✨博文作者 wangzirui32
💖 喜欢的可以 点赞 收藏 关注哦~~
👏 我的第162篇原创作品
👉本文首发于CSDN,未经许可禁止转载
hello,大家好,我是wangzirui32,今天我们来学习如何对国内生产总值进行分析预测,开始学习吧!
- 数据来源
数据涵盖范围为2010-2021的国内生产总值csv文件,来自国家统计局官方数据:
依次选择时间(2010-2021),下载CSV文件,分别命名为
2010.csv
, 2011.csv
(年份+.csv),结果如下:; 2. 清洗数据文件
2010年的数据文件内容如下:
可以看到,真正的数据是在文件的第3行开始到倒数第6行,我们需要对其数据进行提取,并且进行gbk编码转换(源文件是gbk编码,需求是UTF8编码),将数据文件放入
datafiles
文件夹中,再在这个目录的上层目录创建Python文件 collate_data.py
,写入代码:
import os
import codecs
for i in os.listdir("datafiles"):
path = "datafiles/{}".format(i)
try:
with codecs.open(path, "rb", "gb2312") as f:
content = f.read()
with codecs.open(path, "wb", "utf-8") as f:
f.write(content)
except: pass
with codecs.open(path, "rb", "utf-8") as f:
new_content = f.readlines()[2:-5]
with codecs.open(path, "wb", "utf-8") as f:
f.writelines(new_content)
执行这段代码,数据就清洗完毕了。
- 分析
这里借助 pandas
读取数据, matplotlib
绘制统计图进行分析,安装库命令:
pip install pandas matplotlib
3.1 折线统计图
代码如下:
import pandas
import matplotlib
import matplotlib.pyplot as plt
import os
gdp_Q1 = []
gdp_Q2 = []
gdp_Q3 = []
gdp_Q4 = []
gdp_all_year = []
years = []
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
for filename in os.listdir("datafiles"):
year = filename.split(".")[0]
path = "datafiles/{}".format(filename)
df = pandas.read_csv(path)
df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']
gdp_Q1.append(df['第一季度'][0])
gdp_Q2.append(df['第二季度'][0])
gdp_Q3.append(df['第三季度'][0])
gdp_Q4.append(df['第四季度'][0])
gdp_all_year.append(df['第四季度'][1])
years.append(year)
Q1_line, = plt.plot(years, gdp_Q1, color="blue")
Q2_line, = plt.plot(years, gdp_Q2, color="pink")
Q3_line, = plt.plot(years, gdp_Q3, color="green")
Q4_line, = plt.plot(years, gdp_Q4, color="orange")
all_year_line, = plt.plot(years, gdp_all_year, color="red")
plt.title("2010-2021国内生产总值分析预测")
plt.xlabel("年份")
plt.ylabel("国内生产总值(亿元)")
plt.xticks(years)
plt.legend([Q1_line, Q2_line, Q3_line, Q4_line, all_year_line],
['第一季度','第二季度', '第三季度', '第四季度', '全年总值'],
loc='upper right')
plt.show()
效果如下:
3.2 柱形统计图
代码如下:
import pandas
import matplotlib
import matplotlib.pyplot as plt
import os
gdp_all_year = []
years = []
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
for filename in os.listdir("datafiles"):
year = filename.split(".")[0]
path = "datafiles/{}".format(filename)
df = pandas.read_csv(path)
df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']
gdp_all_year.append(df['第四季度'][1])
years.append(year)
plt.bar(years, gdp_all_year, width=0.5, label="numbers")
all_year_line, = plt.plot(years, gdp_all_year, color="red")
plt.title("2010-2021国内生产总值分析", loc="center")
plt.xlabel("年份", fontsize=14)
plt.ylabel("国内生产总值(亿元)", fontsize=14)
plt.show()
效果如下:
可以看到,2020年因为疫情原因,生产总值有所下降,但近年来总体情况还是呈上涨态势的。
- 拟合线性回归方程
下面我们将使用 sklearn
机器学习库来拟合线性回归方程,它的安装命令如下:
pip install scikit-learn
4.1 以第1季度作为参数
思路如下,我们使用 sklearn
库拟合线性回归方程,以第1季度作为参数,生成预测的方程,代码如下:
import pandas
import matplotlib
import matplotlib.pyplot as plt
import os
from sklearn import linear_model
gdp_Q1 = []
gdp_Q2 = []
gdp_all_year = []
years = []
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
for filename in os.listdir("datafiles"):
year = filename.split(".")[0]
path = "datafiles/{}".format(filename)
df = pandas.read_csv(path)
df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']
gdp_Q1.append(df['第一季度'][0])
gdp_Q2.append(df['第二季度'][0])
gdp_all_year.append(df['第四季度'][1])
years.append(year)
Q1_line, = plt.plot(years, gdp_Q1, color="blue")
Q2_line, = plt.plot(years, gdp_Q2, color="pink")
all_year_line, = plt.plot(years, gdp_all_year, color="red")
plt.title("2010-2021国内生产总值分析预测")
plt.xlabel("年份")
plt.ylabel("国内生产总值(亿元)")
plt.xticks(years)
model = linear_model.LinearRegression()
model.fit(list(zip(gdp_Q1)), gdp_all_year)
coef = model.coef_
intercept = model.intercept_
equation = "y = x*{} + {}".format(coef[0], intercept)
print("线性回归方程:", equation)
forecast_value = [i*coef[0]+intercept for i in gdp_Q1]
forecast_line, = plt.plot(years, forecast_value, color="green")
plt.legend([Q1_line, Q2_line, all_year_line, forecast_line],
['第一季度','第二季度', '全年总值', '方程模拟'],
loc='upper right')
plt.show()
效果如下:
可以看到,方程基本拟合曲线,但因为2020年疫情第一季度生产总值下滑,进而预测的全年数据也产生了较大落差,这怎么办呢?
4.2 以第1,2季度作为参数
我们可以以第1,2季度作为参数,代码如下:
import pandas
import matplotlib
import matplotlib.pyplot as plt
import os
from sklearn import linear_model
gdp_Q1 = []
gdp_Q2 = []
gdp_all_year = []
years = []
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
for filename in os.listdir("datafiles"):
year = filename.split(".")[0]
path = "datafiles/{}".format(filename)
df = pandas.read_csv(path)
df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']
gdp_Q1.append(df['第一季度'][0])
gdp_Q2.append(df['第二季度'][0])
gdp_all_year.append(df['第四季度'][1])
years.append(year)
Q1_line, = plt.plot(years, gdp_Q1, color="blue")
Q2_line, = plt.plot(years, gdp_Q2, color="pink")
all_year_line, = plt.plot(years, gdp_all_year, color="red")
plt.title("2010-2021国内生产总值分析预测")
plt.xlabel("年份")
plt.ylabel("国内生产总值(亿元)")
plt.xticks(years)
model = linear_model.LinearRegression()
model.fit(list(zip(gdp_Q1, gdp_Q2)), gdp_all_year)
coef = model.coef_
intercept = model.intercept_
equation = "y = x1*{} + x2*{} + {}".format(coef[0], coef[1], intercept)
print("线性回归方程:", equation)
forecast_value = [i[0]*coef[0]+i[1]*coef[1]+intercept for i in list(zip(gdp_Q1, gdp_Q2))]
forecast_line, = plt.plot(years, forecast_value, color="green")
plt.legend([Q1_line, Q2_line, all_year_line, forecast_line],
['第一季度','第二季度', '全年总值', '方程模拟'],
loc='upper right')
plt.show()
效果如下:
可以看到,这个方程的拟合结果十分不错,可以将它作为预测的方程。
线性回归方程为:
y = x1*0.20405068090604006 + x2*3.8656156020304238 + 9671.424027125235
等价于:
国内生产总值 = 第一季度生产总值*0.20405068090604006 + 第二季度生产总值*3.8656156020304238 + 9671.424027125235
这就完成了整个分析预测的流程。
🎉🎉🎉 好了,今天的课程就到这里,我是wangzirui32,喜欢的可以点个收藏和关注,我们下次再见!
Original: https://blog.csdn.net/wangzirui32/article/details/125464048
Author: wangzirui32
Title: 【Python】国内生产总值分析预测
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/622981/
转载文章受原作者版权保护。转载请注明原作者出处!