python数据分析-笔记本内存和价格预测分析

最新推荐文章于 2024-08-06 17:45:33 发布

statistican_ABin

最新推荐文章于 2024-08-06 17:45:33 发布

阅读量1.4k

点赞数 27

分类专栏： python数据分析案例文章标签： python 数据分析金融

本文链接：https://blog.csdn.net/m0_62638421/article/details/139619634

版权

python数据分析案例专栏收录该内容

54 篇文章 4 订阅

订阅专栏

一、背景和研究意义

计算机已成为现代社会不可或缺的工具，广泛应用于个人生活、学术研究和商业领域。随着科学技术的飞速发展，计算机不仅在性能上不断突破，在种类和品牌上也呈现出多样化和差异化。无论是办公、娱乐、学习还是创作，人们都离不开电脑的帮助。然而，随着电脑市场的不断扩大和竞争的加剧，消费者在面对琳琅满目的产品时，往往需要综合考虑性能、品牌和价格等因素才能做出购买决策。价格作为购买决策中最关键的因素之一，对消费者来说尤为重要。

二、数据选择

该数据集包含数千台笔记本电脑的信息，涵盖各种品牌、型号和配置。其中包括入门级和高端笔记本电脑，满足了不同用户的需求和偏好。数据集中的每个笔记本电脑条目都提供了大量属性，如处理器详细信息、内存容量、存储空间大小、显示屏特性、图形处理能力、电池寿命、操作系统等。利用该数据集，用户可以进行探索性数据分析，发现不同笔记本电脑规格之间的有趣趋势、模式和相关性。

数据集和代码

代码和完整报告

三、数据描述

接下来查看缺失数据

从上述结果可以看出，数据相对完整，没有缺失值。接下来，对数据的数字类型特征进行描述性统计分析：

df[num_cols].describe().T

每台笔记本电脑具有以下特征：

内存：平均内存大小约为 8.45 GB，标准差约为 5.10 GB，最小为 2 GB，最大为 64 GB。平均重量约为 2.04 kg，标准差约为 0.67 kg，最小为 0.69 kg，最大为 4.7 kg。价格平均约为 10.83，标准差约为 0.62，最小约为 9.13，最大约为 12.69。触摸屏：约 14.7%的笔记本电脑具有触摸屏功能。就触摸屏功能而言，约 14.7% 的笔记本电脑具有触摸屏功能。。。。

四、数据预处理

接下来查看数据集类型：

df[cat_cols].info()

可以看到，数据类型主要包括数字类型和字符串。

接下来移除数据集中的特征单位：

五、数据分析和结果讨论

plt.subplots(nrows=2,ncols=2,figsize = (25,12))
plt.subplot(2,2,1)
ax = sns.histplot(data=df[num_cols]['Price'],kde=True,color='g')
for i in ax.containers:
    ax.bar_label(i)
plt.title('Price Distribution')
plt.subplot(2,2,2)
ax = sns.histplot(data=df[num_cols]['Ppi'],kde=True,color='y')
for i in ax.containers:
    ax.bar_label(i)
plt.subplot(2,2,3)
sns.histplot(data=df[num_cols]['Ram'],kde=True)
plt.subplot(2,2,4)
ax = sns.histplot(data=df[num_cols]['Weight'],kde=True,color='b')
for i in ax.containers:
    ax.bar_label(i)

从图中可以看出，在价格分布方面，整体呈现正态分布，其中价格最高的为 11，从ppi 的分布也可以看出，分布较为分散，其中频率最高的为 145

plt.subplots(nrows=1,ncols=2,figsize = (20,7))

plt.subplot(1,2,1)
ax = sns.histplot(data=df,x=df['Price'],color='g',hue='Company',kde=True)
plt.title('campanies')
plt.xticks(rotation = 'vertical')


plt.subplot(1,2,2)
sns.histplot(data=df,x=df['Price'],kde=True,hue=df['TypeName'])
plt.title('TypeName',)
plt.xticks(rotation = 'vertical')

print(f'{df["Company"].value_counts().head(1)}') 
print('')
print(f'{df["TypeName"].value_counts().head(1)}') 
print('')

从图中我们可以清晰地看到，左边展示的是电脑公司品牌的分布情况。通过柱状图的呈现，我们可以明显地观察到宏碁和联想这两个品牌的分布较为广泛。这意味着在市场中，宏碁和联想的产品较为常见，受到了较多消费者的青睐。。。。

该图清晰地呈现了系统在各类电脑上的分布状况。通过仔细观察，可以发现 Windows 系统的分布最为广泛，其总数超过了 1000 个。这表明 Windows 系统在电脑市场中占据着主导地位，被广泛应用于各种类型的电脑设备中。紧随其后的是其他系统，它们在电脑上的分布也较为可观。

通过对图中不同公司价格分布的仔细观察和分析，我们可以发现这些公司之间的价格差距实际上并不是特别明显。其中，Razer 公司的价格分布呈现出相对较高的水平，达到了 11.94。这表明 Razer 公司的产品在市场上可能被定位为高端或具有特定竞争优势的品牌。。。。

从图表中可以清晰地看出，戴尔、联想和惠普这三家公司的分布范围最为广泛。它们在市场上的占有率相对较高，产品覆盖面较广

接下来，让我们一起看看数值数据的相关系数热图。

plt.figure(figsize=(15,6))
sns.heatmap(data=df[num_cols].corr(),annot=True)

从热图中我们可以清晰地看到，拉姆与 Ppi 以及怀特的相关系数均达到了 0.3。这意味着它们之间存在着一定程度的正相关关系。同时，价格预测 Ppi 的相关系数为 0.48，这表明 Ppi 对价格预测具有一定的影响力。。。

接下来是机器学习

对非数字数据进行唯一热编码，然后按 8:2 的比例分成训练集和测试集

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 划分特征和目标变量
X = df_encoded
y = df['Price']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
print("均方误差 (MSE):", mse)

# 训练随机森林回归模型
rf_model = RandomForestRegressor(n_estimators=100, random_state=42)
rf_model.fit(X_train, y_train)

# 预测
y_pred_rf = rf_model.predict(X_test)

# 评估模型
mse_rf = mean_squared_error(y_test, y_pred_rf)
print("随机森林模型均方误差 (MSE):", mse_rf)

# 模型名称
models = ['Linear Regression', 'Random Forest', 'Support Vector Machine']

# 模型均方误差值
mse_values = [0.0818452452933915, 0.04533960518967475, 0.05473241603725401]

# 绘制直方图
plt.figure(figsize=(10, 6))
plt.bar(models, mse_values, color=['blue', 'green', 'red'])
plt.xlabel('Model')
plt.ylabel('Mean Squared Error (MSE)')
plt.title('Mean Squared Error of Different Models')
plt.show()