1. 本际云推荐 - 专业推荐VPS、服务器,IDC点评首页
  2. 云主机运维
  3. VPS运维

python数据统计分析之单因素分析线性拟合及地理编码

Python数据统计分析之单因素分析线性拟合

本文关键阐述了Python数据统计分析之单因素分析线性拟合及地理编码,文章内容紧扣主题开展详尽的基本介绍,具有很强的实用价值,必须的朋友可以学习一下。

python数据统计分析之单因素分析线性拟合及地理编码

一、单因素分析线性拟合

作用:线性拟合,单因素分析,对趋势线开展线性拟合,并变大趋势线的部分位子。

键入:某一xlsx文档,含有’病人相对密度(人/10数万人)’和’人口密度散布(人/平方公里)’二列。

导出:对此二列信息进行线性拟合,制作矩形图。

完成编码:

import pandas as pd
from pylab import mpl
from scipy import optimize
import numpy as np
import matplotlib.pyplot as plt

def f_1(x,A,B):
return A*x+B

def draw_cure(file):
data1=pd.read_excel(file)
data1=pd.DataFrame(data1)
hz=list(data1['患者密度(人/10万人)'])
rk=list(data1['人口密度(人/平方千米)'])
hz_gy=[]
rk_gy=[]
for i in hz:
hz_gy.append((i-min(hz))/(max(hz)-min(hz)))
for i in rk:
rk_gy.append((i-min(rk))/(max(rk)-min(rk)))
n=['玄武区','秦淮区','建邺区','鼓楼区','浦口区','栖霞区','雨花台区','江宁区','六合区','溧水区','高淳区',
'锡山区','惠山区','滨湖区','梁溪区','新吴区','江阴市','宜兴市',
'鼓楼区','云龙区','贾汪区','泉山区','铜山区','丰县','沛县','睢宁县','新沂市','邳州市',
'天宁区','钟楼区','新北区','武进区','金坛区','溧阳市',
'虎丘区','吴中区','相城区','姑苏区','吴江区','常

原创文章,作者:小编小本本,如若转载,请注明出处:https://www.benjiyun.com/yunzhujiyunwei/vps-yunwei/5794.html