基于机器学习预测

import numpy as np import pandas as pd import matplotlib.dates as mdates from datetime import datetime from statsmodels.tsa.seasonal import seasonal_decompose import os from sklearn.model_selection import train_test_split # 热力图------------- import matplotlib.pyplot as plt import seaborn as sns plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 import numpy as np import pandas as pd import re import matplotlib.dates as mdates from datetime import datetime from statsmodels.tsa.seasonal import seasonal_decompose import os # print(data_x) # 热力图------------- import matplotlib.pyplot as plt import seaborn as sns plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 data1 = pd.read_excel("国内电影票房.xlsx") # 1 3 7 是 预测列 data1 = data1.fillna(0) print(data1.columns) # 'SO2', 'NO2', 'PM10', 'CO', 'O3', 'PM2.5' data1 = data1[['上座率', '场均人次', '综合票价', '综合票房（万元）', '综合票房占比', '大盘退票率', '排座占比', '场次', '排片占比', '分帐票价', '分帐票房（万元）']] data1 = data1.astype(str) # data1.replace('--', 0, inplace=True) # data1.to_excel('国内电影票房.xlsx') # 定义一个函数，用正则表达式匹配小数，并将匹配结果转换为浮点数 def extract_decimal(value): match = re.search(r'[-+]?\d*\.\d+|\d+', value) if match: return float(match.group()) else: return None # 对DataFrame中的每一列应用这个函数 for col in data1.columns: print('col:',col) data1[col] = data1[col].apply(extract_decimal) # 显示处理后的 DataFrame print(data1.head(5)) print(data1.columns)# 'SO2', 'NO2', 'PM10', 'CO', 'O3', 'PM2.5' data=data1[['上座率', '场均人次', '综合票价', '综合票房（万元）', '综合票房占比', '大盘退票率', '排座占比', '场次', '排片占比', '分帐票价', '分帐票房（万元）']] print(data.values.shape) print(data[:2]) plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 plt.subplots(figsize=(20, 50)) sns.heatmap( data.corr( method='spearman').round(5), annot=True) plt.show() # 示例数据，你可以替换为你自己的数据 # PM2.5 数据 # timestamps =data1['日期'].values values = data['分帐票房（万元）'].values # plt.plot(timestamps, values, marker='o', linestyle='-') # plt.title('PM2.5 值变化') # plt.xlabel('时间') # plt.ylabel('PM2.5 值') # plt.xticks(rotation=45) # 旋转 x 轴标签，使其更易读 # plt.grid(True) # 添加网格线 # plt.tight_layout() # 调整布局，防止标签被截断 # plt.show() # 计算均值 mean = np.mean(values) # 计算中位数 median = np.median(values) # 计算标准差 std_dev = np.std(values) # 计算方差 variance = np.var(values) print(f"均值：{mean}") print(f"中位数：{median}") print(f"标准差：{std_dev}") print(f"方差：{variance}") # 设置图形大小import matplotlib.dates as mdates # 创建箱线图 plt.figure(figsize=(6, 4)) sns.boxplot(data=values,color='orange') plt.title('箱线图') plt.show() # 使用 seaborn 绘制核密度估计图 sns.kdeplot(values, shade=True,color='orange') # 或者使用 sns.displot(data, kind='kde') # 绘制核密度估计图（新版 seaborn 中的 displot） # 设置图表标题和标签 plt.title('密度图') plt.xlabel('数据值') plt.ylabel('密度') # 显示图表 plt.show() # 使用 seaborn 绘制小提琴图 sns.violinplot(data=values,color='orange') # 设置图表标题和标签 plt.title('小提琴图') plt.ylabel('数据值') # 显示图表 plt.show() # 计算特征与目标列的相关性 correlation_matrix = data.corr() correlation_with_target = correlation_matrix['分帐票房（万元）'].abs().sort_values(ascending=False) # 筛选与目标列相关性较高的特征 selected_features = correlation_with_target[correlation_with_target > 0.5].index # 打印相关性排序 print("特征与目标列的相关性排序:") print(correlation_with_target) # 绘制柱状图显示相关性 plt.figure(figsize=(10, 6)) sns.barplot(x=correlation_with_target.values, y=correlation_with_target.index, palette='viridis') plt.title('Feature Correlation with 分帐票房（万元）') plt.xlabel('Correlation') plt.ylabel('Feature') plt.show()