python數(shù)據(jù)分析之單因素分析線性擬合及地理編碼

第python數(shù)據(jù)分析之單因素分析線性擬合及地理編碼目錄一、單因素分析線性擬合二、實(shí)現(xiàn)地理編碼

一、單因素分析線性擬合

功能：線性擬合，單因素分析，對(duì)散點(diǎn)圖進(jìn)行線性擬合，并放大散點(diǎn)圖的局部位置輸入：某個(gè)xlsx文件，包含患者密度（人/10萬人）和人口密度（人/平方千米）兩列輸出：對(duì)這兩列數(shù)據(jù)進(jìn)行線性擬合，繪制散點(diǎn)

實(shí)現(xiàn)代碼：

importpandasaspd

frompylabimportmpl

fromscipyimportoptimize

importnumpyasnp

importmatplotlib.pyplotasplt

deff_1(x,A,B):

returnA*x+B

defdraw_cure(file):

data1=pd.read_excel(file)

data1=pd.DataFrame(data1)

hz=list(data1['患者密度（人/10萬人）'])

rk=list(data1['人口密度（人/平方千米）'])

hz_gy=[]

rk_gy=[]

foriinhz:

hz_gy.append((i-min(hz))/(max(hz)-min(hz)))

foriinrk:

rk_gy.append((i-min(rk))/(max(rk)-min(rk)))

n=['玄武區(qū)','秦淮區(qū)','建鄴區(qū)','鼓樓區(qū)','浦口區(qū)','棲霞區(qū)','雨花臺(tái)區(qū)','江寧區(qū)','六合區(qū)','溧水區(qū)','高淳區(qū)',

'錫山區(qū)','惠山區(qū)','濱湖區(qū)','梁溪區(qū)','新吳區(qū)','江陰市','宜興市',

'鼓樓區(qū)','云龍區(qū)','賈汪區(qū)','泉山區(qū)','銅山區(qū)','豐縣','沛縣','睢寧縣','新沂市','邳州市',

'天寧區(qū)','鐘樓區(qū)','新北區(qū)','武進(jìn)區(qū)','金壇區(qū)','溧陽市',

'虎丘區(qū)','吳中區(qū)','相城區(qū)','姑蘇區(qū)','吳江區(qū)','常熟市','張家港市','昆山市','太倉市',

'崇川區(qū)','港閘區(qū)','通州區(qū)','如東縣','啟東市','如皋市','海門市','海安市',

'連云區(qū)','海州區(qū)','贛榆區(qū)','東?？h','灌云縣','灌南縣',

'淮安區(qū)','淮陰區(qū)','清江浦區(qū)','洪澤區(qū)','漣水縣','盱眙縣','金湖縣',

'亭湖區(qū)','鹽都區(qū)','大豐區(qū)','響水縣','濱?？h','阜寧縣','射陽縣','建湖縣','東臺(tái)市',

'廣陵區(qū)','邗江區(qū)','江都區(qū)','寶應(yīng)縣','儀征市','高郵市',

'京口區(qū)','潤州區(qū)','丹徒區(qū)','丹陽市','揚(yáng)中市','句容市',

'海陵區(qū)','高港區(qū)','姜堰區(qū)','興化市','靖江市','泰興市',

'宿城區(qū)','宿豫區(qū)','沭陽縣','泗陽縣','泗洪縣']

mpl.rcParams['font.sans-serif']=['FangSong']

plt.figure(figsize=(16,8),dpi=98)

p1=plt.subplot(121)

p2=plt.subplot(122)

p1.scatter(rk_gy,hz_gy,c='r')

p2.scatter(rk_gy,hz_gy,c='r')

p1.axis([0.0,1.01,0.0,1.01])

p1.set_ylabel("患者密度（人/10萬人）",fontsize=13)

p1.set_xlabel("人口密度（人/平方千米）",fontsize=13)

p1.set_title("人口密度—患者密度相關(guān)性",fontsize=13)

fori,txtinenumerate(n):

p1.annotate(txt,(rk_gy[i],hz_gy[i]))

A1,B1=optimize.curve_fit(f_1,rk_gy,hz_gy)[0]

x1=np.arange(0,1,0.01)

y1=A1*x1+B1

p1.plot(x1,y1,"blue",label='一次擬合直線')

x2=np.arange(0,1,0.01)

y2=x2

p1.plot(x2,y2,'g--',label='y=x')

p1.legend(loc='upperleft',fontsize=13)

##plotthebox

tx0=0;tx1=0.1;ty0=0;ty1=0.2

sx=[tx0,tx1,tx1,tx0,tx0]

sy=[ty0,ty0,ty1,ty1,ty0]

p1.plot(sx,sy,"purple")

p2.axis([0,0.1,0,0.2])

p2.set_ylabel("患者密度（人/10萬人）",fontsize=13)

p2.set_xlabel("人口密度（人/平方千米）",fontsize=13)

p2.set_title("人口密度—患者密度相關(guān)性",fontsize=13)

fori,txtinenumerate(n):

p2.annotate(txt,(rk_gy[i],hz_gy[i]))

p2.plot(x1,y1,"blue",label='一次擬合直線')

p2.plot(x2,y2,'g--',label='y=x')

p2.legend(loc='upperleft',fontsize=13)

plt.show()

if__name__=='__main__':

draw_cure("F:\醫(yī)學(xué)大數(shù)據(jù)課題\論文終稿修改\scientificreport\返修\市區(qū)縣相關(guān)分析_2231.xls")

實(shí)現(xiàn)效果：

二、實(shí)現(xiàn)地理編碼

輸入：中文地址信息，例如安徽為縣天城鎮(zhèn)都督村沖里18號(hào)輸出：經(jīng)緯度坐標(biāo)，例如107.3479975498958130.50483335424108功能：根據(jù)中文地址信息獲取經(jīng)緯度坐標(biāo)

實(shí)現(xiàn)代碼：

importjson

fromurllib.requestimporturlopen,quote

importxlrd

defreadXLS(XLS_FILE,sheet0):

rb=xlrd.open_workbook(XLS_FILE)

rs=rb.sheets()[sheet0]

returnrs

defgetlnglat(adress):

url='/geocoding/v3/address='

output='json'

ak='fdi11GHN3GYVQdzVnUPuLSScYBVxYDFK'

add=quote(adress)#使用quote進(jìn)行編碼為了防止中文亂碼

#add=adress

url2=url+add+'output='+output+'ak='+ak

req=urlopen(url2)

res=req.read().decode()

temp=json.loads(res)

returntemp

defgetlatlon(sd_rs):

nrows_sd_rs=sd_rs.nrows

foriinrange(4,nrows_sd_rs):

#foriinrange(4,7):

row=sd_rs.row_values(i)

print(i,i/nrows_sd_rs)

b=(row[11]+row[12]+row[9]).replace('#','號(hào)')#第三列的地址

print(b)

try:

lng=getlnglat(b)['result']['location']['lng']

#獲取經(jīng)度并寫入

lat=getlnglat(b)['result']['location']['lat']

#獲取緯度并寫入

exceptKeyErrorase:

lng=''

lat=''

f_err=open('f_err.txt','a')

f_err.write(str(i)+'\t')

f_err.close()

print(e)

print(lng,lat)

f_latlon=open('f_latlon.txt','a')

f_latlon.write(row[0]+'\t'+b+'\t'+str(lng)+'\t'+str(lat)+'\n')

f_latlon.close()

if__nam