实验二 Python语言基础函数包练习

实验二Python语言基础函数包练习

姓名：季鹏班级：1208 学号：2012301630030 实验目的

1、熟练掌握Python语言基础函数包，如math、NumPy、SciPy和Matplotlib等函数包的使用

实验内容

练习1 基本统计可视化：

Step 1. 导入编程所需要函数包：

Step 2. 柱状图可视化：

可视化结果（将图粘贴到这个位置）：

Step 3. 散点图可视化：

可视化结果（将图粘贴到这个位置）：

Step 4：box-plot可视化

可视化结果（将图粘贴到这个位置）：

Step 5: 三次样条插值

可视化结果（将图粘贴到这个位置）：

练习内容

1、要求读取某课程期末考试的成绩“scores.csv”，字段信息如下：

ID: 学号；

fscore：期末考试成绩

groupe：分组组别

class：班级

score1：第一次平时成绩

score2：第二次平时成绩

score3：第三次平时成绩

score：最终综合成绩

要求：

1)分别画出四个成绩的柱状图，观察是否满足正态分布；

2)分别拟合第一次、第二次、第三次成绩和期末考试成绩之间的关系；

3)分别按照班级和组别做boxplot,观察每一组和每一班之间成绩的浮动区间。

提示1：读取csv文件

import csv

in_file = open('scores.csv', 'r')

csv_reader = csv.reader(in_file, delimiter=',')

# read the header info

header = csv_reader.next()

print header

代码

#coding UTF-8

import numpy as np

import scipy as spy

import matplotlib.mlab as mlab

import matplotlib.pyplot as plt

from scipy.optimize import leastsq

import pylab as pl

import csv

in_file =open('E:\studtstudylearn\python\gis\Experiment2\Experiment2\scores.csv','r') csv_reader=csv.reader(in_file,delimiter=',')

# read the header info

header= csv_reader.next()

#print header

#define

ID=[]

group=[]

Class=[]

fscore=[]

score1=[]

score2=[]

score3=[]

score=[]

#read data

for line in csv_reader:

#ingnore firstline

if csv_reader.line_num==0:

continue

ID.append(line[0])

fscore.append(line[1])

group.append(float(line[2]))

Class.append(float(line[3]))

score1.append(float(line[4]))

score2.append(float(line[5]))

score3.append(float(line[6]))

score.append(float(line[7]))

#print ID

#print group

#print score

plt.figure(1)

#score1

plt.subplot(411)

n1,bins1,patches1=plt.hist(score1,25,normed=1,facecolor='green',alpha=0.8) y1=mlab.normpdf(bins1,100,15)

l=plt.plot(bins1,y1,'r--',linewidth=1)

plt.xlabel('ID')

plt.ylabel('score1')

plt.title('Histogram of score')

#score2

plt.subplot(412)

n1,bins1,patches1=plt.hist(score2,25,normed=1,facecolor='red',alpha=0.8)

y1=mlab.normpdf(bins1,100,15)

l=plt.plot(bins1,y1,'r--',linewidth=1)

plt.xlabel('ID')

plt.ylabel('score2')

#score3

plt.subplot(413)

n1,bins1,patches1=plt.hist(score3,25,normed=1,facecolor='yellow',alpha=0.8) y1=mlab.normpdf(bins1,100,15)

l=plt.plot(bins1,y1,'r--',linewidth=1)

plt.xlabel('ID')

plt.ylabel('score3')

#score

ax4 = plt.subplot(414)

n1,bins1,patches1=plt.hist(score,25,normed=1,facecolor='blue',alpha=0.8)

y1=mlab.normpdf(bins1,100,15)

l=plt.plot(bins1,y1,'r--',linewidth=1)

plt.xlabel('ID')

plt.ylabel('score')

#plt.show()

#22222222222222

#22222222222222222222222

plt.figure(2)

fig = plt.figure(2)

def pic(score1,score,ax):

import random

order=9

plt.plot(score,score1,color='m',linestyle='',marker='.')

matA=[]

for i in range(0,order+1):

matA1=[]

for j in range(0,order+1):

tx=0.0

for k in range(0,len(score1)):

dx=1.0

for l in range(0,j+i):

dx=dx*score1[k]

tx+=dx

matA1.append(tx)

matA.append(matA1)

#print(len(xa))

#print(matA[0][0])

matA=np.array(matA)

matB=[]

for i in range(0,order+1):

ty=0.0

for k in range(0,len(score1)):

dy=1.0

for l in range(0,i):

dy=dy*score1[k]

ty+=score[k]*dy

matB.append(ty)

matB=np.array(matB)

matAA=np.linalg.solve(matA,matB)

#print(matAA)

yya=[]

for i in range(0,len(score1)):

yy=0.0

for j in range(0,order+1):

dy=1.0

for k in range(0,j):

dy*=score[i]

dy*=matAA[j]

yy+=dy

yya.append(yy)

ax.plot(score,yya,color='g',linestyle='-',marker='') ax.legend()

return 1

ax1 = fig.add_subplot(311)

pic(score1,score,ax1)

ax2 = fig.add_subplot(312)

pic(score2,score,ax2)

ax3 = fig.add_subplot(313)

pic(score3,score,ax3)

#33333333333333333

aa=[]

for i in range(len(group)):

if group[i] not in aa:

temp=group[i]

for j in range(len(group)):

if group[j]==temp:

aa.append(temp)

break

ax=[[0 for col in range(5)] for row in range(len(aa))]

m=0

n=0

for i in range(len(aa)):

for j in range(len(group)):

if group[j]==aa[i]:

ax[m][n]=score[j]

n=n+1

m=m+1

n=0

#print ax

i=0

labels=list(aa)

for i in range(len(aa)):

labels.append(str(aa[i]))

fs=10

fig, axes=plt.subplots(nrows=1, ncols=len(aa), figsize=(40,10))

for i in range(len(aa)):

axes[i].boxplot(filter(lambda e:e!=0, ax[i]),patch_artist=False,bootstrap=None) axes[i].set_title('group'+str(int(aa[i])),fontsize=fs)

i=0

bb=list(set(Class))

bx=[[0 for col in range(len(Class))] for row in range(len(bb))]

m=0

n=0

for i in range(len(bb)):

for j in range(len(Class)):

if Class[j]==bb[i]:

bx[m][n]=score[j]

n=n+1

m=m+1

n=0

#print bx

#print the picture

fig2, axes2=plt.subplots(nrows=1, ncols=len(bb), figsize=(10,10))

i=0

for i in range(len(bb)):

axes2[i].boxplot(filter(lambda e:e!=0, bx[i]),patch_artist=False,bootstrap=None) axes2[i].set_title('class'+str(int(bb[i])),fontsize=fs)

plt.show()