python数据分析之单因素分析（线性拟合）

功能：线性拟合，单因素分析，对散点图进行线性拟合，并放大散点图的局部位置

输入：某个xlsx文件，包含'患者密度（人/10万人）'和'人口密度（人/平方千米）'两列

输出：对这两列数据进行线性拟合，绘制散点

实现代码：

import pandas as pd
from pylab import mpl
from scipy import optimize
import numpy as np
import matplotlib.pyplot as pltdef f_1(x, A, B):return A*x + Bdef draw_cure(file):data1=pd.read_excel(file)data1=pd.DataFrame(data1)hz=list(data1['患者密度（人/10万人）'])rk=list(data1['人口密度（人/平方千米）'])hz_gy=[]rk_gy=[]for i in hz:hz_gy.append((i-min(hz))/(max(hz)-min(hz)))for i in rk:rk_gy.append((i-min(rk))/(max(rk)-min(rk)))n=['玄武区','秦淮区','建邺区','鼓楼区','浦口区','栖霞区','雨花台区','江宁区','六合区','溧水区','高淳区','锡山区','惠山区','滨湖区','梁溪区','新吴区','江阴市','宜兴市','鼓楼区','云龙区','贾汪区','泉山区','铜山区','丰县','沛县','睢宁县','新沂市','邳州市','天宁区','钟楼区','新北区','武进区','金坛区','溧阳市','虎丘区','吴中区','相城区','姑苏区','吴江区','常熟市','张家港市','昆山市','太仓市','崇川区','港闸区','通州区','如东县','启东市','如皋市','海门市','海安市','连云区','海州区','赣榆区','东海县','灌云县','灌南县','淮安区','淮阴区','清江浦区','洪泽区','涟水县','盱眙县','金湖县','亭湖区','盐都区','大丰区','响水县','滨海县','阜宁县','射阳县','建湖县','东台市','广陵区','邗江区','江都区','宝应县','仪征市','高邮市','京口区','润州区','丹徒区','丹阳市','扬中市','句容市','海陵区','高港区','姜堰区','兴化市','靖江市','泰兴市','宿城区','宿豫区','沭阳县','泗阳县','泗洪县']mpl.rcParams['font.sans-serif'] = ['FangSong']plt.figure(figsize=(16,8),dpi=98)p1 = plt.subplot(121)p2 = plt.subplot(122)p1.scatter(rk_gy,hz_gy,c='r')p2.scatter(rk_gy,hz_gy,c='r')p1.axis([0.0,1.01,0.0,1.01])p1.set_ylabel("患者密度（人/10万人）",fontsize=13)p1.set_xlabel("人口密度（人/平方千米）",fontsize=13)p1.set_title("人口密度—患者密度相关性",fontsize=13)for i,txt in enumerate(n):p1.annotate(txt,(rk_gy[i],hz_gy[i]))A1, B1 = optimize.curve_fit(f_1, rk_gy, hz_gy)[0]x1 = np.arange(0, 1, 0.01)y1 = A1*x1 + B1p1.plot(x1, y1, "blue",label='一次拟合直线')x2 = np.arange(0, 1, 0.01)y2 = x2p1.plot(x2, y2,'g--',label='y=x')p1.legend(loc='upper left',fontsize=13)# # plot the boxtx0 = 0;tx1 = 0.1;ty0 = 0;ty1 = 0.2sx = [tx0,tx1,tx1,tx0,tx0]sy = [ty0,ty0,ty1,ty1,ty0]p1.plot(sx,sy,"purple")p2.axis([0,0.1,0,0.2])p2.set_ylabel("患者密度（人/10万人）",fontsize=13)p2.set_xlabel("人口密度（人/平方千米）",fontsize=13)p2.set_title("人口密度—患者密度相关性",fontsize=13)for i,txt in enumerate(n):p2.annotate(txt,(rk_gy[i],hz_gy[i]))p2.plot(x1, y1, "blue",label='一次拟合直线')p2.plot(x2, y2,'g--',label='y=x')p2.legend(loc='upper left',fontsize=13)plt.show()if __name__ == '__main__':draw_cure("F:\医学大数据课题\论文终稿修改\scientific report\返修\市区县相关分析 _2231.xls")

实现效果：

关注下面公共号学习更多！

python数据分析之单因素分析（线性拟合）相关推荐

python数据拟合怎么做的,python如何实现数据的线性拟合
实验室老师让给数据画一张线性拟合图.不会matlab,就琢磨着用python.参照了网上的一些文章,查看了帮助文档,成功的写了出来这里用到了三个库 import numpy as np import ...
Python数据分析之单变量分析
0 引言在数据分析或者机器学习过程中,我们需要对变量或者特征进行分析,在分析过程中,一般都会分为两种:单变量分析.双变量分析.今天,土豆简单介绍一下单变量分析,单变量分析主要对单个变量或者特征进行分 ...
python数据分析书单排行_Python数据分析学习日志（1. 书单)
本人简介,2017年于北京交通大学毕业,电气硕士. 对数据分析很感兴趣,便开始学习利用Python进行数据处理,今后如有工作需要可能会涉及R语言. -------------------------- ...
泰坦尼克号—数据分析（单因素、多因素分析）
一.提出问题: 获救与其他因素(性别.年龄.舱位)的关系大小二.整理数据: 数据来源:经典的titanic数据分析,大多数人都会从这个案例做教学或者做练习,数据可从kaggle(https://ww ...
Python之数据分析（numpy线性模型、线性预测、线性拟合）
文章目录一.线性预测二.线性拟合线性模型分为两种:线性预测和线性拟合,这两种都可以起到预测走势和数据点的作用,当然,预测是存在一定误差的,因此这种预测图像仅供参考. 一.线性预测 1.基本概念 ...
线性拟合polyfit_6.数据分析(1) 描述性统计量和线性回归(2)
昨天分享了描述性统计量相关内容,今天把昨天剩下的部分写完, 昨天文章链接: 6.数据分析(1) --描述性统计量和线性回归(1) 前言:在针对非物理信号分析的时候,例如用户数.用户经常出入的地点.疾病 ...
python曲线拟合_python如何实现数据的线性拟合
实验室老师让给数据画一张线性拟合图.不会matlab,就琢磨着用python.参照了网上的一些文章,查看了帮助文档,成功的写了出来这里用到了三个库 import numpy as np import ...
Python 数据分析三剑客之 Matplotlib（四）：线性图的绘制
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
wps2019数据分析加载项_wps单因素分析数据 wps2019单因素方差分析
请问wps excel如何进行单因素方差分析? 在"数据"选项下的"分析""分析工具"中,选择"方差分析-单因素方差分析" ...

python数据分析之单因素分析（线性拟合）

python数据分析之单因素分析（线性拟合）相关推荐

最新文章

热门文章