#回归分析和基于模拟的分析
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from numpy import random
from pandas import Series,DataFrame
from scipy import stats
tips=pd.read_csv('tips.csv')
tips['tips_pct']=tips['tip']/tips['total_bill']
# #可视化分析变量之间的关系，变量类别多，挨个分析麻烦，可以用seaborn
# sns.set()
# sns.pairplot(tips,hue='day')
# plt.show()
# #用day来区分颜色
# sns.pairplot(tips,hue='smoker')
# plt.show()
# #也可以用是否吸烟来区分颜色
'''
1.通过回归分析，确定变量的关系，即模型
2.理解线性回归的原理，输出的含义
3.掌握如何评价和选择回归模型
4.掌握基于重抽样（模拟）的分析方法：置换检验和自助法
'''
#做线性回归
np.random.seed(12345678)
x=np.random.random(10)
y=np.random.random(10)
slope,intercept,r,p,std_err=stats.linregress(x,y)
print(stats.linregress(x,y))
#LinregressResult(slope=0.3448642607472153, intercept=0.2685782352454486, rvalue=0.2835529378070845, pvalue=0.4272394264684026, stderr=0.41235189090280017)
#slope斜率，intercept截距
fig,ax=plt.subplots(1,1,figsize=(8,6))
ax.plot(x,y,'o')
ax.plot(x,intercept+x*slope)
plt.show()
