python关联分析sklearn_Python3利用pandas，sklearn进行关联度分析以及预测的demo

做个简单的demo记录下，防止忘记

先看原始数据：

一共有5列：日期，金钱，性别，工作年限,年龄。

我们的目的是要分析各个维度对金钱的影响。

关联度分析代码：

# -*- coding: utf-8 -*-

from numpy import array

import pandas as pd

import seaborn as sns

from matplotlib import pyplot as plt

df_base = pd.read_csv('F://tips.csv',)

plt.figure(figsize=(16,12))

#对性别进行onehot

pf = pd.get_dummies(df_base['sex'])

df = pd.concat([df_base, pf], axis=1)

df.drop(['sex'], axis=1, inplace=True)

print(df)

sns.heatmap(df.corr(),annot=True,fmt=".2f")

#删掉关联度比较小的列

df.drop(['age'], axis=1, inplace=True)

df.to_csv('result.csv')

plt.show()

运行后我们可以看到heatmap展示出了各个维度之间的关联系数：

图中很明显的可以看到，man对money有正相关系数0.6，woman对money有负相关-0.6，工作年限对money的正相关系数很高，age基本无相关。所以我们把age这一列删掉，将sex进行了一把onehot，转换为man和woman两列(String类型的列只能通过onehot才可以分析)。生成了新的csv。

接下来我们做预测：

import matplotlib.pyplot as plt

import seaborn as sns

import pandas as pd

from sklearn import linear_model

df=pd.read_csv('result.csv')

sns.set(style='whitegrid', context='notebook') #style控制默认样式,context控制着默认的画幅大小

cols = ['man', 'woman', 'money','workyears']

sns.pairplot(df[cols], size=2.5)

plt.tight_layout()

plt.show()

# 建立模型

model =linear_model.LinearRegression()

# 开始训练

model.fit(df[['man', 'woman','workyears']], df['money'])

print("coefficients: ", model.coef_)

w1 = model.coef_[0]

w2 = model.coef_[1]

w2 = model.coef_[2]

print("intercept: ", model.intercept_)

b = model.intercept_

x_test = [[1,0,6]]

predict = model.predict(x_test)

print("predict: ", predict)

分布基部符合上一步的猜测

这里我们用了【1，0，6】数据来做预测即：man:1,woman:0,workyears:6

结果：