Jupyter的一份习题作答

最新推荐文章于 2023-03-10 22:19:49 发布

落弧星

最新推荐文章于 2023-03-10 22:19:49 发布

阅读量544

点赞数

本文链接：https://blog.csdn.net/qq_37709272/article/details/80668601

版权

本文档记录了使用Python的Pandas、statsmodels和seaborn库来处理数据分析作业的过程。在遇到Ipython魔法语句故障后，通过命令行和IDE完成了任务。主要内容包括对Anscombe数据集的分析，计算平均值、方差、相关系数，执行线性回归及绘制散点图。

摘要由CSDN通过智能技术生成

由于一些不可知的问题，安装了Ipython虽然成功，然而一些魔法语句的使用出现故障，例如%matplotlib inline语句，这使得Ipython作用不显著，因此本次作业仍然使用简单的python命令行和IDE完成。

本次课程内容主要是围绕pandas库的数据分析展开，并涉及到statsmodels库以及seaborn库。作业中需要依靠这两个库辅助完成线性回归方程的计算以及高级绘图。习题内容主要是分析一个表格文件：https://raw.githubusercontent.com/schmit/cme193-ipython-notebooks-lecture/master/data/anscombe.csv

习题内容是计算表格中某些数据的平均值、方差以及相关系数，然后计算线性回归，以及散点图的绘制。

作答如下：

import random

import numpy as np
import scipy as sp
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

import statsmodels.api as sm
import statsmodels.formula.api as smf

sns.set_context("talk")

anascombe = pd.read_csv('https://raw.githubusercontent.com/schmit/cme193-ipython-notebooks-lecture/master/data/anscombe.csv', error_bad_lines=False)
print(anascombe.head())

mean_x = anascombe['x'].mean()
mean_y = anascombe