2017年高教社杯全国大学生数学建模竞赛题目--C题 颜色与物质浓度辨识

目录

问题

第一问：

数据导入

 (1)pd.read_excel

(2)读取报错ImportError: Missing optional dependency 'xlrd'. Install xlrd >= 1.0.0 for Excel support Use pip or conda to install xlrd.

数据分析

（1）describe()

组胺：

（1）ValueError: could not convert string to float的解决方法

剩下同理

贴个代码

结果： 

---

问题

 

第一问：

分析附件Data1.xls里的数据可知，颜色的数据是用RGB模式表示，即用：红 、绿、蓝三种颜色的数值，共同得出真实颜色的数值。通过在网上的查找，可以使用一下公式计算颜色值：

颜色值 = 65536Red+256Green+Blue。然后我有了解了色调和饱和度的概念。
色调：色调是指图像的相对明暗程度，在彩色图像上表现为颜色。在rgb中色调越低，颜色更加偏向于红色。色调越高，颜色更加偏向于蓝色。
饱和度：饱和度决定了颜色空间中颜色分量，饱和度越高，说明颜色越深，饱和度越低，说明颜色越浅。

R方：确定系数，是通过数据的变化来表征一个拟合的好坏。由上面的表达式可以知道“确定系数”的正常取值范围为[0 1]，越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好.

首先，通过利用pandas库里的corr函数，得到所给数据满足线性关系，所以我建立多元线性回归模型。最后准则我选择确定系数（即R方），通过比较五组数据的拟合程度，进而比较五组数据的准确性。
我分别对每种物质的数据进行多元线性回归，并求其R方值

数据导入

 (1)pd.read_excel

在这里需要注意！！！使用pandas每次打开文件的时候行索引都会变为0，1，2，3，4……，所以写excel的时候需要去除索引

pd.read_excel(
'path_to_file.xls',                         # xlsx文件的路径 
sheet_name='Sheet1',               # 'Sheet1'读取'Sheet1' , 也可以是一个列表[0,1]:读取前两个sheet
header=3,                                  # 从第3行开始读，且第2行为列索引
index_col=[3],                            # 第三列为行索引
names=list('abcd')                     # 修改列标签为 'a','b','c','d'
usecols='a'                                # 'a': 只读第’a'列  ['a','c']:读取'a','c'列；[0,1,2]或[0]:只读第0，1，2列或者只读第[0]列；3:只读前三列
skiprows=2                                # 自上而下省略两行
skip_footer=2                            # 自下而上省略两行
) 

usecols也可以是一个函数：
pd.read_excel(‘path_to_file.xls’, ‘Sheet1’, usecols=lambda x: x.isalpha())

写入excel文件
data.to_excel(‘file.xlsx’,index=None) # 不写入index

(2)读取报错ImportError: Missing optional dependency 'xlrd'. Install xlrd >= 1.0.0 for Excel support Use pip or conda to install xlrd.

pip install xlrd

数据分析

（1）describe()

pandas 是基于numpy构建的含有更高级数据结构和工具的数据分析包，提供了高效地操作大型数据集所需的工具。pandas有两个核心数据结构 Series和DataFrame，分别对应了一维的序列和二维的表结构。而describe()函数就是返回这两个核心数据结构的统计变量。其目的在于观察这一系列数据的范围、大小、波动趋势等等，为后面的模型选择打下基础。

 参考链接：https://blog.csdn.net/qq_24754061/article/details/103738513

组胺：

（1）loc函数：通过行索引 "Index" 中的具体值来取行数据（如取"Index"为"A"的行）

（2）iloc函数：通过行号来取行数据（如取第二行的数据）

参考链接：https://blog.csdn.net/W_weiying/article/details/81411257

---

（1）ValueError: could not convert string to float的解决方法

把水改成0

 

剩下同理

注意就是我们截取的表格段不一样所以说就不一样，，遇到水的话，可以给他赋值成0，我是用的暴力破解法，直接一个一个的赋值。

贴个代码

#硫酸铝钾：
jia_data=data[33:70]
jia_data=jia_data.iloc[:,[1,2,3,4,5,6]]#读取所有行和123456列
print(jia_data)
print(jia_data.corr())#特征化处理，变成0-1之间的
x=jia_data.iloc[:,[1,2,3,4,5]]
print(x)
#print("=======================")
#print("")
jia_data.iloc[[0],[0]]=0
jia_data.iloc[[1],[0]]=0
jia_data.iloc[[2],[0]]=0
jia_data.iloc[[3],[0]]=0
jia_data.iloc[[4],[0]]=0
jia_data.iloc[[5],[0]]=0
jia_data.iloc[[6],[0]]=0.5
jia_data.iloc[[7],[0]]=0.5
jia_data.iloc[[8],[0]]=0.5
jia_data.iloc[[9],[0]]=0.5
jia_data.iloc[[10],[0]]=0.5
jia_data.iloc[[11],[0]]=0.5
jia_data.iloc[[12],[0]]=0.5
jia_data.iloc[[13],[0]]=1
jia_data.iloc[[14],[0]]=1
jia_data.iloc[[15],[0]]=1
jia_data.iloc[[16],[0]]=1
jia_data.iloc[[17],[0]]=1
jia_data.iloc[[18],[0]]=1.5
jia_data.iloc[[19],[0]]=1.5
jia_data.iloc[[20],[0]]=1.5
jia_data.iloc[[21],[0]]=1.5
jia_data.iloc[[22],[0]]=1.5
jia_data.iloc[[23],[0]]=1.5
jia_data.iloc[[24],[0]]=2
jia_data.iloc[[25],[0]]=2
jia_data.iloc[[26],[0]]=2
jia_data.iloc[[27],[0]]=2
jia_data.iloc[[28],[0]]=2
jia_data.iloc[[29],[0]]=2
jia_data.iloc[[30],[0]]=5
jia_data.iloc[[31],[0]]=5
jia_data.iloc[[32],[0]]=5
jia_data.iloc[[33],[0]]=5
jia_data.iloc[[34],[0]]=5
jia_data.iloc[[35],[0]]=5
jia_data.iloc[[36],[0]]=5
y=jia_data.iloc[:,0]
print(y)
model=LinearRegression()
model.fit(x,y)
a=model.intercept_#截距
b=model.coef_#回归系数
print("拟合参数：截距",a,"回归系数：",b)
print("最佳拟合线：y=",round(a,2),"+",round(b[0],2),"*X1+",round(b[1],2),"*X2","+",round(b[2],2),"*X3 +",round(b[3],2),"*X4 +",round(b[4],2),"*X1")
from sklearn import metrics
mse = metrics.mean_squared_error(y,model.predict(x))#求出均方差
rmes=np.sqrt(mse)
r22=model.score(x,y)
print(r22)
print("=================================================")

结果： 

根据R值可知：拟合行从好到坏：组胺>溴酸钾>奶中尿素>工业碱>硫酸铝钾
所以优劣排序为：组胺>溴酸钾>奶中尿素>工业碱>硫酸铝钾

第二问

题目要求对Data2.xls中的数据进行分析，并建立颜色读数和物质浓度的数学模型。首先，我们还先对Data2.xls中的数据进行处理，并建立多元线性回归模型，得出其最佳拟合曲线和确定系数。

数据导入和处理

 

 

 最后数据有点问题，因为填充表格自动填充得NAN ，所以说需要一个一个得补齐赋值。挺麻烦得。