2024美国大学生数学建模竞赛美赛C题代码解析

因为一些不可抗力，下面仅展示部分代码（第一问的部分），其余代码看文末

首先导入本题需要的包：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from datetime import timedelta
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report

读取数据：

match_data_path = './Wimbledon_featured_matches.csv'
match_data = pd.read_csv(match_data_path)
match_data

数据预处理（部分）：

# 数据预处理

# Convert `elapsed_time` to timedelta
match_data['elapsed_time_td'] = pd.to_timedelta(match_data['elapsed_time'])

# Calculate the time difference in seconds within each match_id group
match_data['time_diff'] = match_data.groupby('match_id')['elapsed_time_td'].diff().dt.total_seconds()

# Fill NaN values with the first elapsed_time value in each group, converted to seconds
match_data['time_diff'] = match_data.groupby('match_id')['time_diff'].fillna(
    match_data['elapsed_time_td'].dt.total_seconds()
)

# Show the updated dataframe to verify changes
match_data[['match_id', 'elapsed_time', 'time_diff']].head()

接着来看后面的部分可视化展示：（仅部分代码）

上图代码：

# 假设p1_scores和p2_scores是您计算得到的分数
# 创建一个与分数长度相同的索引列表，以用作X轴
index = list(range(len(p1_scores)))

# 绘制p1和p2的折线图
plt.plot(index, p1_scores, label='Player 1', linestyle='-', marker='o')
plt.plot(index, p2_scores, label='Player 2', linestyle='-', marker='o')

# 添加标签和标题
plt.xlabel('Point Index')
plt.ylabel('Score')
plt.title('Player 1 vs Player 2 Performance')

# 添加图例
plt.legend()

# 显示图形
plt.show()

添加图片注释，不超过 140 字（可选）

correlation_matrix = match_data.iloc[:,[1,2,]].corr()

# 可视化相关性矩阵
plt.figure(figsize=(20, 16))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f")

# 设置热图的标题
plt.title('Correlation Matrix')

# 显示图形
plt.show()

​​​​​​​

添加图片注释，不超过 140 字（可选）

有关思路、相关代码、讲解视频、参考文献等相关内容可以点击下方群名片哦！