数据分析python传统模型_【数据分析】基于Python对数据做模型分析

1、准备工作

这里用到pandas和numpy库

import pandas as pd

import numpy as np

引入自带的数据集合

df = pd.resd_csv(“/resources/jupyter/DA001/DA001-003/clean_df.csv”)

df.head()#查看前5行

输出：

将个体特征模式可视化

#先引入包

！pip install seaborn

#导入可视化库matplotlib和seborn

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline

#查询数据的类型以便于下一步

df.dtypes

输出：

选择查看其中一列的数据类型：

print(df["stroke"].dtypes)

输出 float64

2、计算其中几项的相关性

函数corr()

df[["bore", "stroke", "compression", "horsepower"]].corr()

输出：可以画散点图观察连续数值变量之间是否有正负相关、或者弱相关的关系。调用函数regplot()

sns.regplot(x = "engine_size", y = "price" ,data = df)

plt.ylim(0,)

至于为什么要加ylim函数，可以从这篇博客里面x = np.linspace、plt.xlim和xticks的区别

通过不同函数得到不同函数的图像表达效果。

总结如下

函数

效果

x