深入浅出第十一章python

标签：定义   load   fun   返回   相关性   sum   art   read   技术   

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
import math
df=pd.read_csv("hfda_ch10_employees.csv")
#print(df)

y = df.requested #加薪()
x = df.received #申请

#用于得出斜率和截距画出线性图
slope, intercept, r, p, std_err = stats.linregress(x, y)
#stats.linregress 固定格式，返回5个参数分别是
#slope（斜率）,intercept（截距）, #r（相关性）,。。。。

#定义对象，内容为线性方程式
def myfunc(x):
return slope * x + intercept

#计算均方根误差

from math import sqrt

error=[]
for i in range(len(y)):
error.append(y[i] - x[i])

squaredError = []

absError = []

for val in error:
squaredError.append(val * val)   #a-b之差平方
absError.append(abs(val))      #误差绝对值

RMSE = sqrt(sum(squaredError) / len(squaredError))   #均方差值

def myfunc2(x):    
return slope * x + intercept+RMSE
def myfunc3(x):
return slope * x + intercept-RMSE

mymodel = list(map(myfunc, x))
mymodel2 = list(map(myfunc2, x))
mymodel3 = list(map(myfunc3, x))
#当申请加薪为10%
speed = myfunc(10)
print("当申请加薪10%时，同意加薪为百分之",speed)
print(myfunc)
plt.axhline(y=8.0, c="r", ls="--", lw=1)
plt.axvline(x=7.5, c="r", ls="--", lw=1)
plt.axvline(x=8.5, c="r", ls="--", lw=1)
plt.scatter(x,y) #散点图

plt.plot(x, mymodel) #线性回归
plt.plot(x, mymodel2)
plt.plot(x, mymodel3)
plt.show()

深入浅出第十一章python

标签：定义   load   fun   返回   相关性   sum   art   read   技术   

原文地址：https://www.cnblogs.com/big-tree/p/13324535.html