Python 常用功能实现
- python 读取、操作Excel--使用xlrd
- 导入模块
- 打开Excel文件读取数据
- 使用技巧
- 获取一个工作表
- 获取整行整列的值(数组)
- 获取行数和列数
- 获取单元格
- 使用行列索引获取单元格
- 写入
- xlrd是用于读取的模块,写入的话 请用 xlwt
- 绘图可视化-matplotlib
- 一个小demo:
- 图标正常显示中文
- 设置matplotlib参数
- 线条相关属性标记设置
- 线条风格
- 线条标记
- 颜色
- 指定背景色
- 基础
- 确定坐标范围
- 叠加图
- plt.figure()
- plt.text()添加文字说明
- plt.annotate()文本注释
- plt.xticks()/plt.yticks()设置轴记号
- plt.legend()添加图例
- matplotlib.pyplot
- 给特殊点做注释
- plt.subplot()
- pyplot.pie参数
- colors颜色
- 用scikit-learn和pandas实现线性回归学习
- 导入库
- 读取数据
- 测试数据读取是否成功
- 准备运行算法的数据
- 准备样本特征X,用AT, V,AP和RH这4个列作为样本特征
- 准备样本输出y, 用PE作为样本输出
- 划分训练集和测试集
- 查看训练集和测试集的维度
- 运行scikit-learn的线性模型
- 模型评价
- 查看模型的MSE和RMSE
- 交叉验证
- 画图观察结果
- 使用graphviz画关系图
python 读取、操作Excel–使用xlrd
*一般xlsx不如csv文件方便处理,用excel打开xlsx文件,另存为csv文件,再用pandas模块处理
导入模块
import xlrd
打开Excel文件读取数据
data = xlrd.open_workbook('excelFile.xls')
使用技巧
获取一个工作表
table = data.sheets()[0] #通过索引顺序获取
table = data.sheet_by_index(0) #通过索引顺序获取
table = data.sheet_by_name(u'Sheet1') #通过名称获取
获取整行整列的值(数组)
table.row_values(i)
table.col_values(i)
获取行数和列数
nrows = table.nrows
ncols = table.ncols
获取单元格
cell_A1 = table.cell(0,0).value
cell_C4 = table.cell(2,3).value
使用行列索引获取单元格
cell_A1 = table.row(0)[0].value
cell_A2 = table.col(1)[0].value
写入
row = 0
col = 0
xf = 0 #扩展的格式化
table.put_cell(row,col,ctype,value,xf)
table.cell(0,0) #单元格的值
table.cell(0,0).value #单元格的值
xlrd是用于读取的模块,写入的话 请用 xlwt
绘图可视化-matplotlib
一个小demo:
import matplotlib.pyplot as plt
labels='frogs','hogs','dogs','logs'
sizes=15,20,45,10
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=0,0.1,0,0
plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)
plt.axis('equal')
plt.show()
结果:
图标正常显示中文
虽然大部分情况下用的是英文,但对于某些特定的受众,还是需要展示中文。
为了在图表中能够显示中文和负号等,需要下面一段设置:
import matplotlib mpl
mpl.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
mpl.rcParams['axes.unicode_minus']=False #用来正常显示负号
设置matplotlib参数
两种方式更改参数:
- 使用参数字典
- 调用matplotlib.rc()命令 通过传入关键字元组,修改参数
如果不想每次使用matplotlib时都在代码部分进行配置,可以修改matplotlib的文件参数。可以用matplot.get_config()命令来找到当前用户的配置文件目录。
配置文件包括以下配置项: - axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
- backend: 设置目标暑促TkAgg和GTKAgg
- figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
- font: 字体集(font family)、字体大小和样式设置
- grid: 设置网格颜色和线性
- legend: 设置图例和其中的文本的显示
- line: 设置线条(颜色、线型、宽度等)和标记
- patch: 是填充2D空间的图形对象,如多边形和圆。控制线宽、颜色和抗锯齿设置等。
- savefig: 可以对保存的图形进行单独设置。例如,设置渲染的文件的背景为白色。
- verbose: 设置matplotlib在执行期间信息输出,如silent、helpful、debug和debug-annoying。
- xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向,以及标签大小。
线条相关属性标记设置
线条风格
线条风格linestyle或ls | 描述 |
‘-’ | 实线 |
‘–’ | 破折线 |
‘-.’ | 点划线 |
‘:’ | 虚线 |
‘None’,’ ‘,’’ | 什么都不画 |
线条标记
标记maker | 描述 |
‘o’ | 圆圈 |
‘D’ | 菱形 |
‘h’ | 六边形1 |
‘H’ | 六边形2 |
‘_’ | 水平线 |
‘8’ | 八边形 |
‘p’ | 五边形 |
‘,’ | 像素 |
‘+’ | 加号 |
‘None’,’ ‘,’’ | 无 |
‘.’ | 点 |
‘s’ | 正方形 |
‘*’ | 星号 |
‘d’ | 小菱形 |
‘v’ | 一角朝下的三角形 |
‘<’ | 一角朝左的三角形 |
‘>’ | 一角朝右的三角形 |
‘^’ | 一角朝上的三角形 |
‘’ | 竖线 |
‘x’ | X |
颜色
可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。
别名 | 颜色 |
b | 蓝色 |
r | 红色 |
c | 青色 |
m | 洋红色 |
g | 绿色 |
y | 黄色 |
k | 黑色 |
w | 白色 |
- 或者使用合法的HTML颜色名字(‘red’,'chartreuse’等)。
- 也可以传入一个归一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)
很多方法可以介绍颜色参数,如title()。‘’
plt.tilte('Title in a custom color',color='#123456')
指定背景色
通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数,可以指定坐标这的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
基础
如果你向plot()指令提供了一维的数组或列表,那么matplotlib将默认它是一系列的y值,并自动为你生成x的值。默认的x向量从0开始并且具有和y同样的长度,因此x的数据是[0,1,2,3].
确定坐标范围
plt.axis([xmin, xmax, ymin, ymax]) #给定坐标范围。
xlim(xmin, xmax)和ylim(ymin, ymax) #调整x,y坐标范围
例:
import numpy as np
import matplotlib.pyplot as plt
from pylab import *
x = np.arange(-5.0, 5.0, 0.02)
y1 = np.sin(x)
plt.figure(1)
plt.subplot(211)
plt.plot(x, y1)
plt.subplot(212)
#设置x轴范围
xlim(-2.5, 2.5)
#设置y轴范围
ylim(-1, 1)
plt.plot(x, y1)
plt.show()
叠加图
用一条指令画多条不同格式的线。
import numpy as np
import matplotlib.pyplot as plt
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()
plt.figure()
你可以多次使用figure命令来产生多个图,其中,图片号按顺序增加。这里,要注意一个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效。通常,你并不需要考虑这些事,下面的这个例子为大家演示这一细节。
import matplotlib.pyplot as plt
plt.figure(1) # 第一张图
plt.subplot(211) # 第一张图中的第一张子图
plt.plot([1,2,3])
plt.subplot(212) # 第一张图中的第二张子图
plt.plot([4,5,6])
plt.figure(2) # 第二张图
plt.plot([4,5,6]) # 默认创建子图subplot(111)
plt.figure(1) # 切换到figure 1 ; 子图subplot(212)仍旧是当前图
plt.subplot(211) # 令子图subplot(211)成为figure1的当前图
plt.title('Easy as 1,2,3') # 添加subplot 211 的标题
plt.text()添加文字说明
- text()可以在图中的任意位置添加文字,并支持LaTex语法
- xlable(), ylable()用于添加x轴和y轴标签
- title()用于添加图的题目
import numpy as np
import matplotlib.pyplot as plt
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# 数据的直方图
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
#添加标题
plt.title('Histogram of IQ')
#添加文字
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()
text中前两个参数感觉应该是文本出现的坐标位置。
plt.annotate()文本注释
在数据可视化的过程中,图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时,要考虑两个点的坐标:被注释的地方xy(x, y)和插入文本的地方xytext(x, y)。
import numpy as np
import matplotlib.pyplot as plt
ax = plt.subplot(111)
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05),
)
plt.ylim(-2,2)
plt.show()
效果如下:
plt.xticks()/plt.yticks()设置轴记号
人为设置坐标轴的刻度显示的值。
# 导入 matplotlib 的所有内容(nympy 可以用 np 这个名字来使用)
from pylab import *
# 创建一个 8 * 6 点(point)的图,并设置分辨率为 80
figure(figsize=(8,6), dpi=80)
# 创建一个新的 1 * 1 的子图,接下来的图样绘制在其中的第 1 块(也是唯一的一块)
subplot(1,1,1)
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
# 绘制余弦曲线,使用蓝色的、连续的、宽度为 1 (像素)的线条
plot(X, C, color="blue", linewidth=1.0, linestyle="-")
# 绘制正弦曲线,使用绿色的、连续的、宽度为 1 (像素)的线条
plot(X, S, color="r", lw=4.0, linestyle="-")
plt.axis([-4,4,-1.2,1.2])
# 设置轴记号
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
# 在屏幕上显示
show()
效果:
plt.legend()添加图例
plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
legend(loc='upper left')
matplotlib.pyplot
使用plt.style.use(‘ggplot’)命令,可以作出ggplot风格的图片。
# Import necessary packages
import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('ggplot')
from sklearn import datasets
from sklearn import linear_model
import numpy as np
# Load data
boston = datasets.load_boston()
yb = boston.target.reshape(-1, 1)
Xb = boston['data'][:,5].reshape(-1, 1)
# Plot data
plt.scatter(Xb,yb)
plt.ylabel('value of house /1000 ($)')
plt.xlabel('number of rooms')
# Create linear regression object
regr = linear_model.LinearRegression()
# Train the model using the training sets
regr.fit( Xb, yb)
# Plot outputs
plt.scatter(Xb, yb, color='black')
plt.plot(Xb, regr.predict(Xb), color='blue',
linewidth=3)
plt.show()
效果:
给特殊点做注释
我们希望在 2π/32π/3 的位置给两条函数曲线加上一个注释。首先,我们在对应的函数图像位置上画一个点;然后,向横轴引一条垂线,以虚线标记;最后,写上标签。
from matplotlib.pyplot import *
import numpy as np
t = 2*np.pi/3
# 作一条垂直于x轴的线段,由数学知识可知,横坐标一致的两个点就在垂直于坐标轴的直线上了。这两个点是起始点。
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')
annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
xy=(t, np.sin(t)), xycoords='data',
xytext=(+10, +30), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')
annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
xy=(t, np.cos(t)), xycoords='data',
xytext=(-90, -50), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
show()
效果:
plt.subplot()
plt.subplot(2,3,1)表示把图标分割成2*3的网格。也可以简写plt.subplot(231)。其中,第一个参数是行数,第二个参数是列数,第三个参数表示图形的标号。
pyplot.pie参数
colors颜色
找出matpltlib.pyplot.plot中的colors可以取哪些值?
matplotlib学习之(四)设置线条颜色、形状
for name,hex in matplotlib.colors.cnames.iteritems():
print name,hex
另参考:
1.绘图: matplotlib核心剖析2.Matplotlib绘图双纵坐标轴设置及控制设置时间格式3、Python–matplotlib绘图可视化知识点整理4、matplotlib.pyplot.plot()参数介绍
用scikit-learn和pandas实现线性回归学习
导入库
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn import datasets, linear_model
读取数据
data = pd.read_csv('.\CCPP\ccpp.csv')
测试数据读取是否成功
#读取前五行数据,如果是最后五行,用data.tail()
data.head()
准备运行算法的数据
准备样本特征X,用AT, V,AP和RH这4个列作为样本特征
X = data[['AT', 'V', 'AP', 'RH']]
X.head()
准备样本输出y, 用PE作为样本输出
y = data[['PE']]
y.head()
划分训练集和测试集
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)
查看训练集和测试集的维度
print X_train.shape
print y_train.shape
print X_test.shape
print y_test.shape
运行scikit-learn的线性模型
scikit-learn的线性回归算法使用的是最小二乘法来实现的
from sklearn.linear_model import LinearRegression
linreg = LinearRegression()
linreg.fit(X_train, y_train)
拟合完毕后,我们看看我们的需要的模型系数结果:
print linreg.intercept_
print linreg.coef_
输出如下:
[ 447.06297099]
[[-1.97376045 -0.23229086 0.0693515 -0.15806957]]
这样我们就得到了在步骤1里面需要求得的5个值。也就是说PE和其他4个变量的关系如下:
PE=447.06297099−1.97376045∗AT−0.23229086∗V+0.0693515∗AP−0.15806957∗RH
模型评价
我们需要评估我们的模型的好坏程度,对于线性回归来说,我们一般用均方差(Mean Squared Error, MSE)或者均方根差(Root Mean Squared Error, RMSE)在测试集上的表现来评价模型的好坏。
查看模型的MSE和RMSE
#模型拟合测试集
y_pred = linreg.predict(X_test)
from sklearn import metrics
# 用scikit-learn计算MSE
print "MSE:",metrics.mean_squared_error(y_test, y_pred)
# 用scikit-learn计算RMSE
print "RMSE:",np.sqrt(metrics.mean_squared_error(y_test, y_pred))
输出如下:
MSE: 20.0804012021
RMSE: 4.48111606657
得到了MSE或者RMSE,如果我们用其他方法得到了不同的系数,需要选择模型时,就用MSE小的时候对应的参数。
比如我们用AT, V,AP这3个列作为样本特征。不要RH, 输出仍然是PE。输出如下:
MSE: 23.2089074701
RMSE: 4.81756239919
可以看出,去掉RH后,模型拟合的没有加上RH的好,MSE变大了。
交叉验证
我们可以通过交叉验证来持续优化模型,代码如下,我们采用10折交叉验证,即cross_val_predict中的cv参数为10:
X = data[['AT', 'V', 'AP', 'RH']]
y = data[['PE']]
from sklearn.model_selection import cross_val_predict
predicted = cross_val_predict(linreg, X, y, cv=10)
# 用scikit-learn计算MSE
print "MSE:",metrics.mean_squared_error(y, predicted)
# 用scikit-learn计算RMSE
print "RMSE:",np.sqrt(metrics.mean_squared_error(y, predicted))
输出如下:
MSE: 20.7955974619
RMSE: 4.56021901469
可以看出,采用交叉验证模型的MSE比之前的大,主要原因是我们这里是对所有折的样本做测试集对应的预测值的MSE,而之前仅仅对25%的测试集做了MSE。两者的先决条件并不同。
画图观察结果
这里画图真实值和预测值的变化关系,离中间的直线y=x直接越近的点代表预测损失越低。
fig, ax = plt.subplots()
ax.scatter(y, predicted)
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
ax.set_xlabel('Measured')
ax.set_ylabel('Predicted')
plt.show()
输出图像如下:
使用graphviz画关系图