主页 / 问题 / 1559437
Accepted
Follin
Asked:2023-12-29 17:25:40 +0000 UTC2023-12-29 17:25:40 +0000 UTC

如何在图上标注数值并找出两个图之间的相关性？

  • 772

各位同事，大家好！我有以下数据：

import matplotlib.pyplot as plt

weather_data = {
'01.12': -4,
'02.12': -5,
'03.12': -5,
'04.12': -7,
'05.12': -10,
'06.12': -11,
'07.12': -11,
'08.12': -13,
'09.12': -13,
'10.12': -11,
'11.12': -6,
'12.12': -5,
'13.12': -7,
'14.12': -9,
'15.12': -8,
'16.12': -4,
'17.12': +2,
'18.12': +2,
'19.12': +4,
'20.12': +3,
'21.12': +1,
'22.12': +1,
'23.12': +1
}

value_clients = {
'01.12': 285,
'02.12': 496,
'03.12': 487,
'04.12': 254,
'05.12': 190,
'06.12': 236,
'07.12': 206,
'08.12': 267,
'09.12': 452,
'10.12': 384,
'11.12': 218,
'12.12': 252,
'13.12': 254,
'14.12': 265,
'15.12': 241,
'16.12': 425,
'17.12': 369,
'18.12': 256,
'19.12': 186,
'20.12': 255,
'21.12': 238,
'22.12': 277,
'23.12': 347
}

days = list(weather_data.keys())
temperatures = list(weather_data.values())
days = list(value_clients.keys())
value = list(value_clients.values())

# Создание графика
plt.figure(figsize=(15, 5))  # Указываем размер графика
plt.plot(days, temperatures, marker='o', linestyle='-', color='b')  # График температуры
plt.title('Температура в Твери по дням')  # Заголовок графика
plt.xlabel('День недели')  # Ось X
plt.ylabel('Температура, °C')  # Ось Y
plt.grid(True, which='both', linestyle='--', linewidth=0.5)  # Сетка
plt.tight_layout()  # Автоматическое распределение пространства
# Создание второго графика
plt.figure(figsize=(15, 5))  # Указываем размер графика
plt.plot(days, value, marker='o', linestyle='-', color='r')  #         График температуры
plt.title('Количество клиентов посетивших комплекс')  # Заголовок     графика
plt.xlabel('День месяца')  # Ось X
plt.ylabel('Количество человек')  # Ось Y
plt.grid(True, which='both', linestyle='-', linewidth=0.5)  # Сетка
plt.tight_layout()  # Автоматическое распределение пространства
# Отображение графика
plt.show()

接下来它向我显示以下图表：

在此输入图像描述

在此输入图像描述

如何为每个图点添加值标签？还有一个问题，如何找到这两个图之间的相关性？

python

1 个回答

  1. Best Answer

    我先回答第二个问题。甚至从视觉上可以清楚地看出，该图中的相关性明显较弱（第二张图中的“驼峰”明显不合适，总体趋势略有不同。但是。在第二张图中，明显存在“季节性”对工作日/周末有很强的依赖形式。我们来检查这个假设，在数据中添加“周末”属性，看看属性与客户的相关性，并尝试训练线性回归：

    import pandas as pd
from sklearn.linear_model import RidgeCV
from sklearn.metrics import mean_squared_error
import dateutil as du

df = pd.DataFrame({'day': days, 'temp': temperatures, 'clients': value})
df['day'] = pd.to_datetime(df.day + ".2023", dayfirst=True)
print(df.corr()['clients'])
df['weekend'] = (df.day.dt.dayofweek > 4).astype(int)
print(df.corr()['clients'])
X = df[['temp', 'weekend']]
y = df[['clients']]
lr = RidgeCV()
lr.fit(X, y)
print(lr.coef_)
y_pred = lr.predict(X)
df['predict'] = y_pred
print(f'RMSE: {mean_squared_error(y, y_pred)**0.5}')
df = df.set_index('day')
df[['clients', 'predict']].plot()

    结论：

    day       -0.218086
temp      -0.063177
clients    1.000000
Name: clients, dtype: float64

day       -0.218086
temp      -0.063177
clients    1.000000
weekend    0.909184
Name: clients, dtype: float64

[[ -1.08625212 176.72790901]]

RMSE: 37.60443795836316

    正如您所看到的，客户端和温度之间的相关性非常小；这几乎不会给出任何结果。但如果加上“输出”这个功能，那么就会有相关性0.9，这就太好了。您可以根据是否休息日以及气温来相当准确地预测顾客数量。

    在此输入图像描述

    关于如何解释这些结果。查看线性回归系数。温度的系数约为-1，即 温度每升高一度，客户端数量就会减少1。但“输出”特征有一个近似系数177，即 休息一天立即为+177 名客户提供服务。

    我们模型的均方根误差RMSE约为38，即 40粗略地说，这个模型“对于一家医院来说”平均每天会出现大约一个人的错误，这对于这样一个简单的模型来说可能相当不错了。但是，如果我们回到与温度的相关性，那么根据均方根误差，40每个客户端随温度的变化1根本就没有什么，可能只是测量或模型误差。这是需要记住的事情。

    PS 标题可以添加到相应的图表中，如下所示：

    for d,t in zip(days, temperatures):
    plt.text(d, t+0.2, t);
...
for d,t in zip(days, value):
    plt.text(d, t+0.2, t);

    在此输入图像描述

    在此输入图像描述

    PPS 如果您仅使用一个属性构建相同的线性模型，您将得到：

    • 在某一温度下RMSE=91，情况要糟糕得多。
    • 一个标志上有一个“休息日” RMSE=38，也就是说，无论有没有温度，几乎没有变化，这通常是可以理解的。

    这是仅基于温度的预测图。这实际上只是访客人数的平均值。

    在此输入图像描述

    此外，如果我们对所有日子进行恒定预测 - 这段时间内每天的访客平均值（大约297每天），我们会得到RMSE=91与“温度”属性模型相同的指标。我们再次确信，温度对于预测游客几乎没有任何作用。

    • 4

相关问题