基于python的统计分析

 

#统计建模
import os
print(os.getcwd())

import pandas as pd

test = pd.read_csv('D:/Titanic data/test.csv',index_col=0)
print(test.head())

#查看数据形状（行数和列数）
test.shape
print(test.shape)

#查看数据的简要信息
test.info()
print(test.info())

#查看列名
print(test.columns)

#查看描述性统计数据
test.describe()
print(test.describe())

#数据可视化
import matplotlib.pyplot as plt
# %matplotlib inline
# plt.rcParams['font.family'] = 'Heiti TC'
plt.scatter(test['Pclass'],test['Age'])
plt.title('Pclass和年龄的可视化')
plt.xlabel('Pclass')
plt.ylabel('Age')
plt.show()

#特征矩阵（x）的生成
x = test['Pclass']
print(x)
y = test['Age']
print(y)

#模型的训练
import statsmodels.api as sm
x = sm.add_constant(x)
print(x)

#构建模型
myModel = sm.OLS(y,x)

#模型拟合
results = myModel.fit()

print(results.summary())

#回归系数
results.params
#残差
results.resid
#......
y_predict = results.predict()

import matplotlib.pyplot as plt
plt.plot(test['Pclass'],test['Age'],'o')
plt.plot(test['Pclass'],y_predict)
plt.title('比例分析')
plt.xlabel('Pclass')
plt.ylabel('Age')
plt.show()