Python波士顿房价数据集，相关习题

** 波士顿房价数据集（Boston House Price Dataset）包含对房价的预测，以千美元计，给定的条件是 房屋及其相邻房屋的详细信息。 ** 该数据集是一个回归问题。每个类的观察值数量是均等的，共有 506 个观察，13 个输入变量和1个输 出变量。** ** sklearn库的datasets包含该数据集（ load_boston）****

作业一，子图一 画出TAX和RAD的两列的散点图 子图二 画出TAX和RAD的两列线性回归算法拟合出的折线图

import matplotlib.pyplot as plt #导入一个绘图模块matplotlib.pyplot from sklearn.datasets import load_boston #导入在sklearn.datasets库中的波士顿房价数据集 import pandas as pd import numpy as np data_boston=load_boston().data temp=pd.DataFrame(data_boston,columns=load_boston().feature_names) #所有数据的数据框形式 y=load_boston().target #数据的标签 plt.subplot(121) #subplot 子图画法，表示为一行两列占用第一个，即第一行第一列 plt.scatter(temp.iloc[:,8],temp.iloc[:,9],s=2) #画散点图 from sklearn.linear_model import LinearRegression #线性回归算法 linear1=LinearRegression().fit(temp.iloc[:,8].values.reshape(-1,1),temp.iloc[:,9]) plt.subplot(122) x=np.arange(0,20,0.01).reshape(-1,1) plt.plot(x,linear1.predict(x)) plt.show()

作业二，画出所有列均值的柱状图，要求标注出对应的数值，并且每一个柱不同颜色

import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets import load_boston data_boston=load_boston().data pd.DataFrame(data_boston).mean() pd.DataFrame(data_boston).describe().iloc[1,:] m=[data_boston[:,i].mean() for i in range(data_boston.shape[1])] from pylab import mpl mpl.rcParams['font.sans-serif'] = ['SimHei'] plt.figure() for i in range(13): plt.bar(i,m[i]) plt.text(i,m[i]+5,round(m[i],2),ha='center') plt.show()

作业三，一张图上画出所有列数据85%分位数的折线图，和15%分位数的折线图

import matplotlib.pyplot as plt data_boston=load_boston().data num1=pd.DataFrame(data_boston).quantile(0.85) num2=pd.DataFrame(data_boston).quantile(0.15) plt.figure() plt.plot(range(data_boston.shape[1]),num1) plt.plot(range(data_boston.shape[1]),num2) plt.show()

作业四，循环画出六个子图，分别对应前六列数据的箱线图

data_boston=load_boston().data for i in range(1,7): plt.subplot(2,3,i) plt.boxplot(data_boston[:,i]) plt.show() import numpy as np import matplotlib.pyplot as plt