第六章 财政收入影响因素分析及预测

 

# 6-1 描述性统计分析
import numpy as np
import pandas as pd

inputfile = 'E:\\anaconda3\\jupyterFile\\数据分析\\data\\data.csv'
data = pd.read_csv(inputfile)

description = [data.min(), data.max(), data.mean(), data.std()]
# 将结果存入数据框
description = pd.DataFrame(description,index = ['MIn','Max','Mean','STD']).T # index列名
print('描述性统计结果：\n', np.round(description, 2))

 

 

# 变量pearson相关系数矩阵
corr = data.corr(method='pearson')# 计算相关系数矩阵
print('相关系数矩阵为：\n', np.round(corr, 2))

 

 

# 绘制相关热力图
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 #用来显示负号
plt.subplots(figsize=(10,10))
sns.heatmap(corr, annot=True, vmax=1, square=True, cmap='Blues')
plt.title('相关热力图 学号3140')
plt.show()
plt.close

 

 

# Lasso回归选取关键属性
import numpy as np
import pandas as pd
from sklearn.linear_model import Lasso

inputfile = 'E:\\anaconda3\\jupyterFile\\数据分析\\data\\data.csv'
data = pd.read_csv(inputfile)
lasso = Lasso(1000) # 调用Lasso()函数，设置λ的值为1000
lasso.fit(data.iloc[:,0:13], data['y']) # fit训练
print('相关系数为：', np.round(lasso.coef_,5)) #输出结果，保留5位小数

print('相关系数非零个数为：', np.sum(lasso.coef_ != 0)) # 计算相关系数非零个数

mask = lasso.coef_ != 0 #返回一个相关系数是否为零的布尔数组
mask = np.append(mask,True) #将mask的元素补齐到14个
print('相关系数是否为零：', mask)

outputfile = 'E:\\anaconda3\\jupyterFile\\数据分析\\tmp\\new_reg_data.csv' #输出的数据文件
new_reg_data = data.iloc[:, mask] #返回相关系数非零的数据
new_reg_data.to_csv(outputfile) #存储数据
print('输出数据的维度为：',new_reg_data.shape) #查看输出数据的维度

 

# 6-5 构建灰度预测模型并预测 GM11
import sys
sys.path.append('E:\\anaconda3\\jupyterFile\\数据分析\\GM11.py') # 导入一个模块
import numpy as np
import pandas as pd
from GM11 import GM11  # 引入自编的灰色预测函数

inputfile1 = 'E:\\anaconda3\\jupyterFile\\数据分析\\tmp\\new_reg_data.csv'  # 输入数据文件
inputfile2 = 'E:\\anaconda3\\jupyterFile\\数据分析\\data\\data.csv'  # 输入数据文件
new_reg_data = pd.read_csv(inputfile1)
data = pd.read_csv(inputfile2)
new_reg_data.index = range(1994, 2014)
new_reg_data.loc[2014] = None
new_reg_data.loc[2015] = None
cols = ['x1', 'x3', 'x4', 'x5','x6', 'x7', 'x8', 'x13']
for i in cols:
    f = GM11(new_reg_data.loc[range(1994, 2014), i].values)[0]
    new_reg_data.loc[2014,i] = f(len(new_reg_data)-1) # 2014年预测结果
    new_reg_data.loc[2015,i] = f(len(new_reg_data)) # 2015年预测结果
    new_reg_data[i] = new_reg_data[i].round(2)  # 保留2位小数
outputfile = 'E:\\anaconda3\\jupyterFile\\数据分析\\tmp\\new_reg_data_GM11.xls'  # 灰色预测后保存的路径
y = list(data['y'].values)  # 提取财政收入列，合并至新数据框中
y.extend([np.nan, np.nan])
new_reg_data['y'] = y
new_reg_data.to_excel(outputfile)  # 结果输出
print('预测结果为：\n', new_reg_data.loc[2014:2015,:]) # 预测展示

 

# 代码6-6 
import matplotlib.pyplot as plt
from sklearn.svm import LinearSVR

inputfile = 'E:\\anaconda3\\jupyterFile\\数据分析\\tmp\\new_reg_data_GM11.xls'  # 灰色预测后保存的路径
data = pd.read_excel(inputfile)  # 读取数据
feature = ['x1', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x13']  # 属性所在列

data.index = range(1994,2016)
data_train = data.loc[range(1994,2014)].copy()  # 取2014年前的数据建模
data_mean = data_train.mean()
data_std = data_train.std()
data_train = (data_train - data_mean)/data_std  # 数据标准化
x_train = data_train[feature].to_numpy()  # 属性数据
y_train = data_train['y'].to_numpy() # 标签数据

linearsvr = LinearSVR()  # 调用LinearSVR()函数
linearsvr.fit(x_train,y_train)
x = ((data[feature] - data_mean[feature])/data_std[feature]).to_numpy()  # 预测，并还原结果。
data['y_pred'] = linearsvr.predict(x) * data_std['y'] + data_mean['y']
outputfile = 'E:\\anaconda3\\jupyterFile\\数据分析\\tmp\\new_reg_data_GM11_revenue.xls'  # SVR预测后保存的结果
data.to_excel(outputfile)

print('真实值与预测值分别为：\n',data[['y','y_pred']])

fig = data[['y','y_pred']].plot(subplots = True, style=['b-o','r-*'])  # 画出预测结果图
plt.title('学号3140')
plt.show()

 

 

import matplotlib.pyplot as plt
p = data[['y', 'y_pred']].plot(style=['b-o', 'r-*'])
p.set_ylim(0, 2500)
p.set_xlim(1993, 2016)
plt.title('学号3140')
plt.show()