线性回归 城市气候与海洋的关系研究

城市气候与海洋的关系研究

• 导入包

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

import matplotlib.pyplot as plt



from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

• 导入数据各个海滨城市数据

ferrara1 = pd.read_csv('./ferrara_150715.csv')
ferrara2 = pd.read_csv('./ferrara_250715.csv')
ferrara3 = pd.read_csv('./ferrara_270615.csv')
ferrara=pd.concat([ferrara1,ferrara1,ferrara1],ignore_index=True)

torino1 = pd.read_csv('./torino_150715.csv')
torino2 = pd.read_csv('./torino_250715.csv')
torino3 = pd.read_csv('./torino_270615.csv')
torino = pd.concat([torino1,torino2,torino3],ignore_index=True) 

mantova1 = pd.read_csv('./mantova_150715.csv')
mantova2 = pd.read_csv('./mantova_250715.csv')
mantova3 = pd.read_csv('./mantova_270615.csv')
mantova = pd.concat([mantova1,mantova2,mantova3],ignore_index=True) 

milano1 = pd.read_csv('./milano_150715.csv')
milano2 = pd.read_csv('./milano_250715.csv')
milano3 = pd.read_csv('./milano_270615.csv')
milano = pd.concat([milano1,milano2,milano3],ignore_index=True) 

ravenna1 = pd.read_csv('./ravenna_150715.csv')
ravenna2 = pd.read_csv('./ravenna_250715.csv')
ravenna3 = pd.read_csv('./ravenna_270615.csv')
ravenna = pd.concat([ravenna1,ravenna2,ravenna3],ignore_index=True)

asti1 = pd.read_csv('./asti_150715.csv')
asti2 = pd.read_csv('./asti_250715.csv')
asti3 = pd.read_csv('./asti_270615.csv')
asti = pd.concat([asti1,asti2,asti3],ignore_index=True)

bologna1 = pd.read_csv('./bologna_150715.csv')
bologna2 = pd.read_csv('./bologna_250715.csv')
bologna3 = pd.read_csv('./bologna_270615.csv')
bologna = pd.concat([bologna1,bologna2,bologna3],ignore_index=True)

piacenza1 = pd.read_csv('./piacenza_150715.csv')
piacenza2 = pd.read_csv('./piacenza_250715.csv')
piacenza3 = pd.read_csv('./piacenza_270615.csv')
piacenza = pd.concat([piacenza1,piacenza2,piacenza3],ignore_index=True)

cesena1 = pd.read_csv('./cesena_150715.csv')
cesena2 = pd.read_csv('./cesena_250715.csv')
cesena3 = pd.read_csv('./cesena_270615.csv')
cesena = pd.concat([cesena1,cesena2,cesena3],ignore_index=True)

faenza1 = pd.read_csv('./faenza_150715.csv')
faenza2 = pd.read_csv('./faenza_250715.csv')
faenza3 = pd.read_csv('./faenza_270615.csv')
faenza = pd.concat([faenza1,faenza2,faenza3],ignore_index=True)

# 显示数据
cesena.head(5)
# temp  该城市的 温度  
# humidity  湿度
# pressure  压强
# description  描述
# dt  时间
# wind_speed  风速
# wind_deg   风向
# city  城市名称
# day  采集日期
# dist  距离  (海里)

	temp	humidity	pressure	description	dt	wind_speed	wind_deg	city	day	dist
0	29.15	83	1015	moderate rain	1436863101	3.62	94.001	Cesena	2015-07-14 10:38:21	14
1	29.37	74	1015	moderate rain	1436866691	3.60	20.000	Cesena	2015-07-14 11:38:11	14
2	29.51	78	1015	moderate rain	1436870392	3.60	70.000	Cesena	2015-07-14 12:39:52	14
3	29.88	70	1016	moderate rain	1436874000	4.60	60.000	Cesena	2015-07-14 13:40:00	14
4	30.12	70	1016	moderate rain	1436877549	4.10	70.000	Cesena	2015-07-14 14:39:09	14

# 去除没用的列
city_list = [ferrara,torino,mantova,milano,ravenna,asti,bologna,piacenza,cesena,faenza]
for city in city_list:
    city.drop('Unnamed: 0',axis=1,inplace=True)

显示最高温度于离海远近的关系（观察多个城市）

# 收集每个城市的最高温度
max_temp = []
# 每个城市 的海里数
dists = []
for city in city_list:
    max_temp.append(city['temp'].max())
    dists.append(city['dist'][0])
# x(自变量) 轴 海里  y(因变量) 轴 温度
plt.scatter(dists,max_temp)

观察发现，离海近的可以形成一条直线，离海远的也能形成一条直线。

• 分别以100公里和50公里为分界点，划分为离海近和离海远的两组数据(近海：小于100 远海：大于50)

#将温度和距离的数据封装到numpy数组中
np_city_max_temp = np.array(max_temps)
np_city_dist = np.array(dists)

#生成一个判定近海城市的条件
near_condition = np_city_dist < 100
#近海城市的最高温度
near_max_temp = np_city_max_temp[near_condition]
#近海城市的距离
near_dist = np_city_dist[near_condition]
# 生成 图片
plt.scatter(near_dist,near_max_temp)

• 算法模型：
  • 概念：本质来讲就是一个特殊的对象。该对象中已经包含或者集成了一种形式的方程（还没有解的方程）。
  • 作用：预测，分类
• 样本数据：（二维的df，numpy）
  • 特征数据：自变量(必须是二维)
  • 目标数据：因变量
• 模型对象的分类：
  • 有监督学习：需要的样本数据中需要包含特征和目标数据
  • 无监督学习：需要的样本数据中值需要包含特征数据

导入 sklearn 建立线性回归算法模型

from sklearn.linear_model import LinearRegression

#实例化了一个算法模型对象
Linear = LinearRegression()

#提取样本数据
x = near_dist #特征数据
y = near_max_temp #目标数据

#模型的训练
# 参数 X 特征数据 必须是二维的  y 是一维的  x.reshape((-1,1)) 转成二维
Linear.fit(x.reshape((-1,1)),y)

#测试:预测
Linear.predict(37)

# 模型评分
Linear.score(x.reshape((-1,1)),y)

#绘线
xx = np.linspace(0,80,num=100)
yy = Linear.predict(xx.reshape((-1,1)))
plt.scatter(near_dist,near_max_temp)
plt.scatter(xx,yy)