# -*- coding: utf-8 -*-
 """
 Created on Mon Apr 22 09:09:05 2019@author: Administrator
 """import numpy as np
 import pandas as pd
 import matplotlib.pyplot as plt
 #% matplotlib inline
 s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])
 print(s.head())
 # 创建随机数据fig = plt.figure(figsize = (10,6))
 ax1 = fig.add_subplot(2,1,1)  # 创建子图1
 ax1.scatter(s.index, s.values)
 plt.grid()
 # 绘制数据分布图ax2 = fig.add_subplot(2,1,2)  # 创建子图2
 s.hist(bins=30,alpha = 0.5,ax = ax2)
 s.plot(kind = 'kde', secondary_y=True,ax = ax2)
 plt.grid()
 # 绘制直方图
 # 呈现较明显的正太性 # QQ图通过把测试样本数据的分位数与已知分布相比较，从而来检验数据的分布情况
# QQ图是一种散点图，对应于正态分布的QQ图，就是由标准正态分布的分位数为横坐标，样本值为纵坐标的散点图
 # 参考直线：四分之一分位点和四分之三分位点这两点确定，看散点是否落在这条线的附近# 绘制思路
 # ① 在做好数据清洗后，对数据进行排序（次序统计量：x(1)<x(2)<....<x(n)）
 # ② 排序后，计算出每个数据对应的百分位p{i}，即第i个数据x(i)为p(i)分位数，其中p(i)=(i-0.5)/n （pi有多重算法，这里以最常用方法为主）
 # ③ 绘制直方图 + qq图，直方图作为参考s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])
 print(s.head())
 # 创建随机数据mean = s['value'].mean()
 std = s['value'].std()
 print('均值为：%.2f，标准差为：%.2f' % (mean,std))
 print('------')
 #  计算均值，标准差s.sort_values(by = 'value', inplace = True)  # 重新排序
 print(s.head())
 s_r = s.reset_index(drop = False)  # 重新排序后，更新index
 print("----------\n", s_r.head())
 s_r['p'] = (s_r.index - 0.5) / len(s_r)  
 s_r['q'] = (s_r['value'] - mean) / std
 print(s_r.head())
 print('------')
 # 计算百分位数 p(i)
 # 计算q值 st = s['value'].describe()
  x1 ,y1 = 0.25, st['25%']
  x2 ,y2 = 0.75, st['75%']
  print('四分之一位数为：%.2f，四分之三位数为：%.2f' % (y1,y2))
  print('------')
 # # 计算四分之一位数、四分之三位数 fig = plt.figure(figsize = (10,9))
  ax1 = fig.add_subplot(3,1,1)  # 创建子图1
  ax1.scatter(s.index, s.values)
  plt.grid()
 # # 绘制数据分布图 ax2 = fig.add_subplot(3,1,2)  # 创建子图2
  s.hist(bins=30,alpha = 0.5,ax = ax2)
  s.plot(kind = 'kde', secondary_y=True,ax = ax2)
  plt.grid()
 # # 绘制直方图 ax3 = fig.add_subplot(3,1,3)  # 创建子图3
  ax3.plot(s_r['p'],s_r['value'],'k.',alpha = 0.1)
  ax3.plot([x1,x2],[y1,y2],'-r')
  plt.grid()
 # # 绘制QQ图，直线为四分之一位数、四分之三位数的连线，基本符合正态分布 data = [87,77,92,68,80,78,84,77,81,80,80,77,92,86,
 76,80,81,75,77,72,81,72,84,86,80,68,77,87,
 76,77,78,92,75,80,78]
 df = pd.DataFrame(data, columns =['value'])
 u = df['value'].mean()
 std = df['value'].std()
 print("样本均值为：%.2f，样本标准差为：%.2f" % (u,std))
 print('------')
 # 查看数据基本统计量s = df['value'].value_counts().sort_index()
 df_s = pd.DataFrame({'血糖浓度':s.index,'次数':s.values})
 # 创建频率数据df_s['累计次数'] = df_s['次数'].cumsum()
 df_s['累计频率'] = df_s['累计次数'] / len(data)# len(data)
df_s['标准化取值'] = (df_s['血糖浓度'] - u) / std
 df_s['理论分布'] =[0.0244,0.0968,0.2148,0.2643,0.3228,0.3859,0.5160,0.5832,0.7611,0.8531,0.8888,0.9803]  # 通过查阅正太分布表
 df_s['D'] = np.abs(df_s['累计频率'] - df_s['理论分布'])
 dmax = df_s['D'].max()
 print("实际观测D值为：%.4f" % dmax)
 # D值序列计算结果表格df_s['累计频率'].plot(style = '--k.')
 df_s['理论分布'].plot(style = '--r.')
 plt.legend(loc = 'upper left')
 plt.grid()
 # 密度图表示df_s
 from scipy import stats
 # scipy包是一个高级的科学计算库，它和Numpy联系很密切，Scipy一般都是操控Numpy数组来进行科学计算data = [87,77,92,68,80,78,84,77,81,80,80,77,92,86,
        76,80,81,75,77,72,81,72,84,86,80,68,77,87,
        76,77,78,92,75,80,78]
 # 样本数据，35位健康男性在未进食之前的血糖浓度goal_point=sheet0.col_values(24)   #取sheet1第1列内容,站点
 goal_point=goal_point[1:96]
 data=goal_point
 df = pd.DataFrame(data, columns =['value'])
 u = df['value'].mean()  # 计算均值
 std = df['value'].std()  # 计算标准差
 stats.kstest(df['value'], 'norm', (u, std))
 # .kstest方法：KS检验，参数分别是：待检验的数据，检验方法（这里设置成norm正态分布），均值与标准差
 # 结果返回两个值：statistic → D值，pvalue → P值
 # p值大于0.05，为正态分布