七、使用相关系数判断数据的相关性
corr()函数默认计算的是两个变量之间的皮尔逊相关系数。该系数用于描述两个变量间线性相关性的强弱,取值范围为[-1,1]。系数为正值表示数据间存在正相关性,为负值则表示存在负相关性,为0则表示不存在线性相关性。系数的绝对值越大,说明相关性越强。
1、使用相关系数判断数据的相关性
数据展示:
实例代码:
import pandas as pd
# 从指定工作簿中读取要进行相关性分析的数据
df = pd.read_excel('相关性分析.xlsx', index_col = '代理商编号')
result = df.corr() # 计算任意两个变量之间的相关系数
print(result) # 输出计算出的相关系数
运行结果:
2、求单个变量和其他变量间的相关性
实例代码:
import pandas as pd
df = pd.read_excel('相关性分析.xlsx', index_col = '代理商编号')
result = df.corr()['年销售额(万元)'] # 计算年销售额与其他变量之间的皮尔逊系数
print(result)
运行结果:
八、使用方差分析对比数据的差异
1、使用方差分析对比数据的差异
数据展示:
实例代码:
import pandas as pd
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
import xlwings as xw
df = pd.read_excel('方差分析.xlsx') # 读取指定工作簿中的数据
df = df[['A型号','B型号','C型号','D型号','E型号']] # 选取'A型号','B型号','C型号','D型号','E型号'列的数据用于数据分析
df_melt = df.melt() # 将列名转换为列数据,重构DataFrame
df_melt.columns = ['Treat', 'Value'] # 重命名列
df_describe = pd.DataFrame() # 创建一个空DataFrame用于汇总数据
df_describe['A型号'] = df['A型号'].describe() # 计算“A型号”轮胎的刹车距离的平均值、最大值和最小值等
df_describe['B型号'] = df['B型号'].describe() # 计算“B型号”轮胎的刹车距离的平均值、最大值和最小值等
df_describe['C型号'] = df['C型号'].describe() # 计算“C型号”轮胎的刹车距离的平均值、最大值和最小值等
df_describe['D型号'] = df['D型号'].describe() # 计算“D型号”轮胎的刹车距离的平均值、最大值和最小值等
df_describe['E型号'] = df['E型号'].describe() # 计算“E型号”轮胎的刹车距离的平均值、最大值和最小值等
model = ols('Value~C(Treat)', data = df_melt).fit() # 对样本数据进行最小二乘线性拟合计算
anova_table = anova_lm(model, typ = 3) # 对样本数据进行方差分析
app = xw.App(visible = False) # 启动Excel程序
workbook = app.books.open('方差分析.xlsx') # 打开要写入分析结果的工作簿
worksheet = workbook.sheets['单因素方差分析'] # 选中工作表“单因素方差分析”
worksheet.range('H2').value = df_describe.T # 将计算出的平均值】最大值和最小值等数据转置行列并写入工作表
worksheet.range('H14').value = '方差分析' # 在工作表中写入“方差分析”文本
worksheet.range('H15').value = anova_table # 将方差分析的结果写入工作表
workbook.save() # 保存工作簿
workbook.close() # 关闭工作簿
app.quit() # 退出Excel程序
运行结果:
2、绘制箱形图识别异常值
实例代码:
import pandas as pd
import matplotlib.pyplot as plt
import xlwings as xw
df = pd.read_excel('方差分析.xlsx')
df = df[['A型号', 'B型号', 'C型号', 'D型号', 'E型号']]
figure = plt.figure() # 创建绘图窗口
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
df.boxplot(grid = False) # 绘制箱体图并删除网格线
# plt.show()
app = xw.App(visible = False)
workbook = app.books.open('方差分析.xlsx')
worksheet = workbook.sheets['单因素方差分析']
worksheet.pictures.add(figure, name = '图片1', update = True, left = 500, top = 10) # 将绘制的箱体图插入工作表
workbook.save('箱形图.xlsx')
workbook.close()
app.quit()
运行结果:(图中用圆圈标识的数据点是异常值)
九、使用描述统计和直方图制定目标
1、使用描述统计和直方图制定目标
数据展示:
实例代码:
import pandas as pd
import matplotlib.pyplot as plt
import xlwings as xw
df = pd.read_excel('描述统计.xlsx') # 读取指定工作簿中的数据
df.columns = ['序号','员工姓名','月销售额'] # 重命名数据列
df = df.drop(columns=['序号','员工姓名']) # 删除“序号”列和“员工姓名”列
df_describe = df.astype(float).describe() # 计算数据的个数、平均数、最大值和最小值等描述统计数据
df_cut = pd.cut(df['月销售额'], bins = 7, precision = 2) # 将“月销售额”列的数据分成7个均等区间
cut_count = df['月销售额'].groupby(df_cut).count() # 统计各个区间的人数
df_all = pd.DataFrame() # 创建一个空DataFrame用于汇总数据
df_all['计数'] = cut_count # 将月销售额的区间及区间的人数写入前面创建的DataFrame中
df_all_new = df_all.reset_index() # 将索引重置为数字序号
df_all_new['月销售额'] = df_all_new['月销售额'].apply(lambda x:str(x)) # 将“月销售额”列的数据转换为字符串数据
fig = plt.figure() # 创建一个绘图窗口
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
n, bins, patches = plt.hist(df['月销售额'], bins = 7, edgecolor = 'black', linewidth = 0.5) # 使用“月销售额”列的数据绘制直方图
plt.xticks(bins) # 将直方图x轴的可读标签设置为各区间的端点值
plt.title('月销售额频率分析') # 设置直方图的图表标题
plt.xlabel('月销售额') # 设置直方图的X轴标题
plt.ylabel('频数') # 设置直方图的Y轴标题
# plt.show()
app = xw.App(visible = False) # 启动Excel程序
workbook = app.books.open('描述统计.xlsx') # 打开要写入分析结果的工作簿
worksheet = workbook.sheets['业务员销售额统计表'] # 选中工作簿中的工作表
worksheet.range('E2').value = df_describe # 将计算出的个数、平均数、最大值和最小值等数据写入工作表
worksheet.range('H2').value = df_all_new # 将月销售额的区间及区间的人数写入工作表
worksheet.pictures.add(fig, name = '图片1', update = True, left = 400, top = 200) # 将绘制的直方图转换为图片并写入工作表
worksheet.autofit() # 根据数据内容自动调整工作表的行高和列宽
workbook.save('描述统计1.xlsx') # 另存工作簿
workbook.close() # 关闭工作簿
app.quit() # 退出程序
结果展示:
2、使用自定义区间绘制直方图
实例代码:
import pandas as pd
import matplotlib.pyplot as plt
import xlwings as xw
df = pd.read_excel('描述统计.xlsx')
df.columns = ['序号','员工姓名','月销售额']
df = df.drop(columns=['序号','员工姓名'])
df_describe = df.astype(float).describe()
df_cut = pd.cut(df['月销售额'], bins = range(8, 37, 4)) # 在指定的端点值划分区间
cut_count = df['月销售额'].groupby(df_cut).count()
df_all = pd.DataFrame()
df_all['计数'] = cut_count
df_all_new = df_all.reset_index()
df_all_new['月销售额'] = df_all_new['月销售额'].apply(lambda x:str(x))
fig = plt.figure()
plt.rcParams['font.sans-serif'] = ['SimHei']
n, bins, patches = plt.hist(df['月销售额'], bins = range(8, 37, 4), edgecolor = 'black', linewidth = 0.5) # 按指定的端点值划分区间
plt.xticks(bins)
plt.title('月销售额频率分析')
plt.xlabel('月销售额')
plt.ylabel('频数')
# plt.show()
app = xw.App(visible = False)
workbook = app.books.open('描述统计.xlsx')
worksheet = workbook.sheets['业务员销售额统计表']
worksheet.range('E2').value = df_describe
worksheet.range('H2').value = df_all_new
worksheet.pictures.add(fig, name = '图片1', update = True, left = 400, top = 200)
worksheet.autofit()
workbook.save('描述统计2.xlsx')
workbook.close()
app.quit()
运行结果:
十、使用回归分析预测未来值
1、使用回归分析预测未来值
数据展示:
实例代码:
import pandas as pd
from sklearn import linear_model
df = pd.read_excel('回归分析.xlsx', header = None)
df = df[2:] # 删除前两行数据
# 重新命名数据列
df.columns = ['月份', '电视台广告费', '视频门户广告费', '汽车当月销售额']
x = df[['视频门户广告费', '电视台广告费']] # 获取'视频门户广告费'列和 '电视台广告费'列的数据作为自变量
y = df['汽车当月销售额'] # 获取'汽车当月销售额'列的数据为因变量
model = linear_model.LinearRegression() # 创建一个小型回归模型
model.fit(x, y) # 用自变量和因变量数据对线性回归模型进行训练,拟合出线性回归方程
R2 = model.score(x, y) # 计算R2的值
print(R2) # 输出R2的值
运行结果:
2、使用回归方程计算预测值
实例代码:
import pandas as pd
from sklearn import linear_model
df = pd.read_excel('回归分析.xlsx', header = None)
df = df[2:]
df.columns = ['月份', '电视台广告费', '视频门户广告费', '汽车当月销售额']
x = df[['视频门户广告费', '电视台广告费']]
y = df['汽车当月销售额']
model = linear_model.LinearRegression()
model.fit(x,y)
coef = model.coef_ # 获取自变量的系数
model_intercept = model.intercept_ # 获取截距
result = 'y={}*x1+{}*x2{}'.format(coef[0], coef[1], model_intercept) # 获取线性回归方程
print('线性回归方程为:', '\n', result) # 输出线性回归方程
a = 30 # 设置视频门户广告费
b = 20 # 设置电视台广告费
y = coef[0] * a + coef[1] * b + model_intercept # 根据线性回归方程计算汽车销售额
print(y) # 输出计算出的汽车销售额
运行结果:
近期有很多朋友通过私信咨询有关Python学习问题。为便于交流,点击蓝色自己加入讨论解答资源基地