Python去线性化趋势

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator
import csv
from scipy import signal#去线性趋势主要用的库
import numpy as np

data = []
data1 = []
data2 = []
data3 = []
# with open('D:\keyan_z\lvbo_output\lvbo.csv','r') as csvfile:
with open('C://Users//Lenovo//Desktop//999.csv', 'r') as csvfile:

    reader = csv.reader(csvfile)
    for row in reader:
        data.append(float(row[0]))
        data1.append(float(row[1]))#原数据
        data2.append(float(row[2]))#原数据
        data3.append(float(row[3]))#原数据
# print(numpy.array(data))
a_detrend=signal.detrend(data1, axis=0, type='linear')#去线性趋势后的数据
b_detrend=signal.detrend(data2, axis=0, type='linear')#去线性趋势后的数据
c_detrend=signal.detrend(data3, axis=0, type='linear')#去线性趋势后的数据
# plt.plot(data1, color='lightcoral')
# plt.plot(a_detrend+np.array(data1).mean())

plt.plot(data2, color='orange')
plt.plot(b_detrend)#只对比
# plt.plot(data3, color='cornflowerblue')

# plt.title('model loss and acc')
plt.ylabel('gait')
plt.xlabel('Time(0.01s)')
plt.legend(['raw-data', 'detrend'],loc='upper right')
plt.show()

# # print(data2)
# plt.subplot(4, 1, 1)
# plt.plot(data)
# plt.ylabel('raw')
# # plt.xlabel('Time(0.01s)')
# # x_major_locator = MultipleLocator(10)
# # y_major_locator = MultipleLocator(0.2)# 把y轴的刻度间隔设置为0.1,并存在变量里
# # ax = plt.gca()# ax为两条坐标轴的实例
# # ax.xaxis.set_major_locator(x_major_locator)
# # ax.yaxis.set_major_locator(y_major_locator)# 把y轴的主刻度设置为0.1的倍数
# # plt.xlim(1, 100)
# # plt.ylim(0.8, 1.4)# 把y轴的刻度范围设置为-5到110,同理,-5不会标出来,但是能看到一点空白
#
# plt.subplot(4, 1, 2)
# plt.plot(data1)
# plt.ylabel('butterwolth')
#
# plt.subplot(4, 1, 3)
# plt.plot(data2)
# plt.ylabel('sliding')
#
# plt.subplot(4, 1, 4)
# plt.plot(data3)
# plt.ylabel('low')
# plt.xlabel('Sample point')
#
#
# # plt.legend()
# plt.show()
#
#
#
#

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python是一种功能强大的编程语言,广泛地用于数据科学和机器学习领域。在股票市场中,Python可以结合线性回归算法,用于预测股票价格。 线性回归是一种基本的统计学方法,可用于建立两个或多个变量之间关系的模型。对于股票市场而言,线性回归可以建立变量之间的数学模型,推导得出价格的变化趋势。这些变量包括市场数据、公司财务数据以及其他涉及股票价格变动的因素。 实现以Python为基础的线性回归预测股票价格的过程需要以下步骤: 1. 采集股票市场数据,包括股票价格、交易量、公司财务数据以及其他与股票价格相关的因素。 2. 通过Python编写代码进行数据清洗、处理和分析,以建立数据的数学模型。 3. 建立线性回归模型,使用数据进行训练,并利用模型进行预测。在这个过程中,需要使用训练集和测试集,并利用交叉验证等技术进行模型的评价和优化。 4. 根据预测结果,制定股票的投资策略。如果预测结果表明该股票将会上涨,投资者可以选择买入股票,反之则应当选择售出。 总之,Python可以结合线性回归算法非常有效地预测股票价格,并且可以帮助投资者做出更加明智的投资决策。 ### 回答2: Python是一种强大而流行的编程语言,它具有许多可供选择的库和工具,可以应用于各种任务,包括预测股票价格。线性回归是一种广泛应用于统计学中的方法,可以在给定变量之间建立线性关系,并用于预测未涉及的结果。 为了应用线性回归模型预测股票价格,需要收集一定量的有关股票价格和相关变量的数据。这些输入变量可以是公司收入、债务、销售、利润等,以及其他可能影响股票价格的因素。然后,使用Python中的数据分析库,如Numpy和Pandas,来处理和准备数据进行回归分析。 在进行线性回归分析之前,需要对数据进行探索性分析,了解数据分布、任何异常值和相关性。可以使用Matplotlib和Seaborn等数据可视化工具,来帮助深入地了解数据。然后,使用Scikit-learn库中的线性回归工具,训练一个模型,以预测股票价格。 通过对模型进行拟合、预测准确性和模型的可解释性进行评估,可以确定模型的质量,并对预测结果进行调整和优化。 总体而言,Python中的线性回归工具可以为预测股票价格提供有用的信息和见解,但需要谨慎地选择变量和进行数据处理,以确保数据可靠性和模型精度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值