Visual studio 2017 安装了Python
首先我们需要准备用于预测的数据我们将数据保存在csv文件中然后在python中读取出来供应用处理。样例数据：sdx,sdx_number,ljx,ljx_number1,4.83,1,2.842,4.27,2,2.323,3.59,3,2.554,3.53,4,2.495,3.46,5,2.736,3.73,6,2.67,3.47,7,2.648,4.34,8,3.929,4.66,9,3.06
在Python中到定义一个函数将文件中的数据读取到我们的内存模型中，我们使用pandas库进行数据读取，如下所示：#导入依赖库import csvimport sysimport matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom sklearn import datasets,linear_model#读取cvs文件的数据的函数def read_data(file_name): data=pd.read_csv(file_name) #文件的数据模型 shandianxia_x_param=[] shandianxia_y_param=[] lvjianxia_x_param=[] lvjianxia_y_param=[] #数据填充 for x1,y1,x2,y2 in zip(data['sdx'],data['sdx_number'],data['ljx'],data['ljx_number']): shandianxia_x_param.append([float(x1)]) shandianxia_y_param.append([float(y1)]) lvjianxia_x_param.append([float(x2)]) lvjianxia_y_param.append([float(y2)]) return shandianxia_x_param,shandianxia_y_param,lvjianxia_x_param,lvjianxia_y_paramprint(read_data('e:/jiemudata.csv'))
定义一个函数，根据上一个步骤读取的数据进行预测对比看看那个界面更受欢迎。def compare_viewers(x1,y1,x2,y2): reg1=linear_model.LinearRegression() reg1.fit(x1,y1) shandianxia_predicated_value=reg1.predict(10) reg2=linear_model.LinearRegression() reg2.fit(x2,y2) lvjianxia_predicated_value=reg2.predict(10) if shandianxia_predicated_value>lvjianxia_predicated_value: print('闪电侠在下一周会有更多观众') else: print('绿箭侠在下周会有更多观众')
进行数据预测和比对，将read_data获取到的数据传入compare_viewers函数中：all_data=read_data('e:/jiemudata.csv')compare_viewers(all_data[0],all_data[1],all_data[2],all_data[3])运行程序后可以看到结果如下图所示
为了更形象、更直观表现数据，我么把相关数据使用图表展现出来,我么在比对函数中增加数据表展现功能：def compare_viewers(x1,y1,x2,y2): reg1=linear_model.LinearRegression() reg1.fit(x1,y1) shandianxia_predicated_value=reg1.predict(10) #将预测值加入到数据模型中，统一展现 x1.append([10]) y1.append([shandianxia_predicated_value]) plt.figure() plt.title('Jiemu Number View') plt.xlabel('Week') plt.ylabel('Numbers') plt.axis([0,10,0.0,10.0]) #x，y轴的范围值 plt.grid(True) plt.plot(x1,y1,'r.') reg2=linear_model.LinearRegression() reg2.fit(x2,y2) lvjianxia_predicated_value=reg2.predict(10) x2.append([10]) y2.append([lvjianxia_predicated_value]) plt.plot(x2,y2,'g*') plt.show() if shandianxia_predicated_value>lvjianxia_predicated_value: print('闪电侠在下一周会有更多观众') else: print('绿箭侠在下周会有更多观众')
最后我们在给一系列的预测，创建一个拟合图形展现plt.plot(x1,reg1.predict(x1),'r-')#绿色线条 plt.plot(x2,reg2.predict(x2),'g-')#绿色线条 ------------compare_viewers函数完整代码-----------------------#预测并比对def compare_viewers(x1,y1,x2,y2): reg1=linear_model.LinearRegression() reg1.fit(x1,y1) shandianxia_predicated_value=reg1.predict(10) #将预测值加入到数据模型中，统一展现 x1.append([10]) y1.append([shandianxia_predicated_value]) plt.figure() plt.title('Jiemu Number View') plt.xlabel('Week') plt.ylabel('Numbers') plt.axis([0,15,0.0,10.0]) #x，y轴的范围值 plt.grid(True) plt.plot(x1,y1,'r.') #绘制拟合模型 plt.plot(x1,reg1.predict(x1),'r-')#绿色线条 reg2=linear_model.LinearRegression() reg2.fit(x2,y2) lvjianxia_predicated_value=reg2.predict(10) x2.append([10]) y2.append([lvjianxia_predicated_value]) if shandianxia_predicated_value>lvjianxia_predicated_value: print('闪电侠在下一周会有更多观众') else: print('绿箭侠在下周会有更多观众') plt.plot(x2,y2,'g*') #绘制拟合模型 plt.plot(x2,reg2.predict(x2),'g-')#绿色线条 plt.show()