这个项目中我运用到机器学习里的线性回归制作模型,对其训练并生成新的回归函数。我这一次是从github导入csv文件,内容是过去50年不同大洲国家的人口和寿命。这个项目中我用到了seaborn库和sklearn库来制图和做线性回归模型。这个项目是在google colab中进行编写的。
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from numpy import mean
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
import statsmodels.api as sm
url='https://raw.githubusercontent.com/jennybc/gapminder/master/data-raw/08_gap-every-five-years.tsv'
data = pd.read_csv(url,sep = '\t')
data.head()
运行结果,这里是先爬取信息,查看爬取的信息是不是自己要用的csv文件里的信息。
做一个随时间变化的预期寿命散点图
data.plot.scatter(x = 'year', y = 'lifeExp', title = 'plot of life expectancy across time')
plt.show()
做一个随时间变化的预期寿命的小提琴图
sns.violinplot(x='year', y='lifeExp', showmeans=True, data=data)
plt.xlabel("Year")
plt.ylabel("Life Expectancy")
plt.title("Violin Plot Example")
plt.show()