GA小站 分享GA和GTM使用教程和技巧
Google Analytics教程 Google Tag Manager教程 机器学习 Python爬虫与算法 其他 推荐资源 关于作者

Python中做聚类分析

            数据集 ex14.csv 是关于中国各个省份的三项指标数值。
请根据这些指标数值,将各个省份分为3类,并尝试归纳出各个类别的特点

查看数据图形分布:

# coding=utf-8

import os
import pandas as pd
from sklearn.cluster import AgglomerativeClustering
from sklearn.cluster import KMeans
from sklearn.cluster import DBSCAN
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# from __future__ import division

os.chdir(u'E:\BaiduYunDownload\第14周')

ex14 = pd.read_csv('ex14.csv',header = 0,index_col = 0,parse_dates = True,encoding='gb18030')
ex14.head()
ex14.index
查看图形
fig = plt.figure()
ax3D = fig.add_subplot(111, projection='3d')
ax3D.scatter(ex14['DXBZ'],ex14['CZBZ'],ex14['WMBZ'],marker='o')
ax3D.set_xlabel('DXBZ')
ax3D.set_ylabel('CZBZ')
ax3D.set_zlabel('WMBZ')
plt.show()

Python中做时间序列分析

 1、 读入数据做时序图

# -*- coding: UTF-8 -*-     
import pandas as pd
import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf
from statsmodels.tsa.stattools import adfuller as ADF
from statsmodels.graphics.tsaplots import plot_pacf
from statsmodels.stats.diagnostic import acorr_ljungbox
from statsmodels.tsa.arima_model import ARIMA
import numpy as np
from pandas import Series,DataFrame


data=pd.read_csv(r'C:/Users/Administrator/Desktop/stock_px.csv',sep=',',
	names=['date','APPL','MSFT','XOM','SPX'],skiprows=1,index_col='date')
data = pd.DataFrame(data,dtype=np.float64)
# print(data)
# 
# 时序图
plt.rcParams['axes.unicode_minus']=False
data.drop('SPX',1).plot()
plt.show()

Python中做logistic回归模型

        data1 是40名癌症病人的一些生存资料,其中,X1表示生活行动能力评分(1~100),X2表示病人的年龄,X3表示由诊断到直入研究时间(月);X4表示肿瘤类型,X5把ISO两种疗法(“1”是常规,“0”是试验新疗法);Y表示病人生存时间(“0”表示生存时间小于200天,“1”表示生存时间大于或等于200天)
        试建立Y关于X1~X5的logistic回归模型

1、读入数据做数据清洗和特征选择:

# -*- coding: utf-8 -*-
import pandas as pd
from sklearn.linear_model import LogisticRegression as LR
from sklearn.linear_model import RandomizedLogisticRegression as RLR

data1=pd.read_table(r'C:/Users/Administrator/Desktop/data1.txt',sep='\s+',
	encoding='gbk',usecols=(1,2,3,4,5,6))
X=data1.iloc[:,:5].as_matrix()
y=data1.iloc[:,5].as_matrix()

#特征筛选
rlr=RLR()
rlr.fit(X,y)
print(rlr.get_support())
print(u'通过随机逻辑回归模型筛选特征结束。')

Python3.5+Django1.9.8+Mysql连接数据库问题

       python3不再支持mysqldb,目前改用用了pymysql,在用Python3.5+Django1.9.8+Mysql部署web的时候报错 没有mysqldb


解决的方法是:

pip install pymysql

然后在项目的__init__增加如下代码:

import pymysql

pymysql.install_as_MySQLdb

新文章 → Home