数学建模python入门

库导入

python三大件

np : 数据计算 pd : 数据库 plt : 画图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

图形可视化库：sns

import seaborn as sns

教程链接：https://zhuanlan.zhihu.com/p/49035741

算法模型库：sklearn

from sklearn.ensemble import RandomForestClassifier

数据导入

• pandas库用于读入原始数据

  path = 'LogiReg_data.txt'
  pdData=pd.read_csv(path, header=None,names=['Exam1','Exam2','Admitted'])
  pdData.head()

选取部分数据

df.loc[ 选取对象 ]

文件类型 CSV

• row_index 行索引（数字行号）
• column_name 列名

相当于（x, y)确定一个点坐标

获取部分数据单元

部分数据：称为切片

• 获取单个单元

  df.loc[行索引，列名]

• 获取某一行

  df.loc[行索引]

  df.loc[ '行名' ]

• 获取某一列

  df.loc[ '列名' ]

  df.列名

• 获取指定几列

  df.loc[:, ’列名A‘，’列名D‘ ]

• 获取连续几列

  df.loc[:, ’列名A‘：’列名D‘ ]

总结

1：pandas loc 切片索引中是包含末尾值的，列表切片不包含末尾值, iloc也是不包含末尾值的
2：loc 获取指定行列是需要使用中括号 [ ] 进行包裹, 获取连续行列使用冒号 ：
3：DataFrame中 loc 进行切片，默认使用行，即df[‘a’] 是获取 a 这一行的数据
————————————————
原文链接：

https://blog.csdn.net/weixin_43229819/article/details/121194832

http://t.csdn.cn/jRgVe

iloc切片索引

使用 iloc 进行切片索引，和 loc 方式类似，iloc 使用 索引编号来索引

df.iloc[ : , 0 : 1 ]

iloc结果不包含末尾值，代表列编号为0：1，从第0列开始，不包含第1列，总共1列

数据命名

• 训练集 train_data
• 测试集 test_data
• 处理过后 通常将train_data赋值给X, test_data赋值给X_test
• 目标结果集 target

训练集	测试集	目标值
train_data	test_data	target
X	X_test	y

随机划分数据集

sklearn库中的 train_test_split()函数随机划分训练集和测试集

X_train,x_test = train_test_split(x)
X_train, X_test, y_train, y_test = train(X,y, random_state = 0)

• random_state: 随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。
  • 每次都填1，其他参数一样的情况下得到的随机数组是一样的。
  • 填0或不填，每次都会不一样。

数据预处理

缺失值处理

1. 使用pandas中的fillna()函数填充NaN空缺值

   • 通常情况下，可以填充为0
   • 但比如年龄这类数值不建议填充为0时，将其填充为一个无意义数值，如：-1

   X = pd.get_dummies(train_data[features].fillna(-1))
   X_test = pd.get_dummies(test_data[features].fillna(-1))

2. 使用Pandas中dropna(axis=0)函数直接去除缺失值所在记录

   • 比如训练数据的目标值值缺失时，y为NaN, 可以直接扔掉该记录
   • axis：轴。
     • 0或'index'，表示按行删除；
     • 1或'columns'，表示按列删除。

   filtered_data = origin_data.dropna(axis=0)

非数值型属性处理

• 将分类型字符串转换为数值

• 离散化独热编码one-hot

  pd.get_dummies(train_data[])

  有几种属性状态就生成几列0-1判别值，是该类为1，其他列全为0，实现以数字分类

  如：Sex属性状态有：male、female

  ​ 分别分为两列：Sex_male、Sex_female

  ​ 通过列内0-1取值实现数值化字符串

可视化

热力图：相关性分析

1. 复制一份数据

data = original_data.copy()
data.shape

2. 选择几个属性

# 数据选择,根据属性名筛选列表
numerical = [ 'extended','country','region','nreleased','ransom',
'nhostkid', 'success','suicide','specificity','vicinity','nkill']
idata = data[numerical]
idata.shape

3. 缺失值处理

# 缺失值处理, 根据不同属性的特征，将缺失的值以各自对应的合适值填充
idata.nkill = np.round(data.nkill.fillna(data.nkill.median())).astype(int) 
idata.nwound = np.round(data.nwound.fillna(data.nwound.median())).astype(int) 
idata.nreleased = np.round(idata.nreleased.fillna(-1)).astype(int) 
idata.ransom = np.round(idata.ransom.fillna(-9)).astype(int)    
idata.nhostkid = np.round(idata.nhostkid.fillna(-99)).astype(int)        
idata.head()

4. 绘制热力图

# 绘制热力图
fig, ax = plt.subplots(figsize=(25, 25))
sns.heatmap(idata.corr(), annot = True,cmap= 'Blues',annot_kws={"fontsize":20})#, fmt='.6g',annot=True 表示显示系数
plt.xticks(fontsize=24)
plt.yticks(fontsize=24)
plt.savefig('relevance.png')
plt.show()