預測GDP應用：Numpy 線性回歸+Matplotlib 作圖

需求

通過2000～2019年中美兩國的GDP資料，預測后續幾年GDP的發展趨勢：

• 讀取.csv檔案，并將字串調整為浮點型
• 進行二階線性回歸模擬
• 支持資料可視化

保命宣告：用線性回歸預測GDP發展并不合理，只是作為python學習參考，

如果想要了解更有意義的GDP對比可以參考b站翟老師的：https://b23.tv/6aYFVf

成品效果

原資料格式

.csv 檔案（“testgdp.csv”），gdp資料每千位均被 “,” 隔開

需求拆解

1、csv檔案讀取

以測驗檔案"testgdp.csv"為例，目標將csv資料讀取成適合進行線性回歸的格式ndarray

方法一：pandas的 read_csv()函式

import pandas as pd
import numpy as np
data = pd.read_csv("testgdp.csv")
df = pd.DataFrame(data)
print(df.head())

years = np.array(df.years) #可以轉化為 ndarray
years

方法二： python自帶的 open()函式

import csv
import numpy as np
data_list = []
with open("testgdp.csv",encoding = 'utf-8') as csvfile:
    csv_reader = csv.reader(csvfile)
    for row in csv_reader:
        data_list.append(row[0:3])#第3～7列為空資料，需要排除
    data1 = np.array(data_list)
    data2 = np.delete(data1,-1,axis=0)#洗掉最后一行空值行，axis=1時可洗掉列
data2

2、對“xxx,xxx,xxx”格式字串轉化為數字

split()：用指定分隔符對 字串 進行切片，變為 list

strr.split (str="", num=string.count(str))

• strr 為原字串
• str 為分隔符號
• num – 分割次數，默認為 -1, 即分隔所有

def intt(list,exc_rate=1):#將"xxx,xxx,xxx,xxx,xxx"格式的str轉化為 整型，exc_rate為匯率
    list_new = []
    for strr in list:
        int_list = strr.split(',') # 分割str，轉化為串列
        lenth = len(int_list)
        result = 0
        for n in range(lenth):
            ii = int(int_list[n])
            result = result + ii*1000**(lenth-n-1)*exc_rate
        list_new.append(result)
    return list_new

list = ['11,061,552,790,044','14,342,902,842,915','234,322,342,111','123,212,231']
intt(list)

3、線性回歸：np.polyfit()多項式擬合、np.polyval()多項式曲線求值

P = np.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)

• x, y：一般是array格式的陣列，分別代表自變數和因變數
• deg：階數（需要整型），即需要進行幾階線性回歸
• 其他資料不太常用，可以不輸入，即使用默認引數，如果需要了解可以參考：numpy.polyfit

輸出引數 P為擬合多項式
P ( 1 ) x n + P ( 2 ) x n ? 1 + . . . + P ( n ) x + P ( n + 1 ) 的 系 數 組 合 P(1)x^n + P(2)x^{n-1} +...+ P(n)x + P(n+1) 的 系陣列合 P(1)xn+P(2)xn?1+...+P(n)x+P(n+1)的系數組合
如 P 為[ 1, 2, 3]時，代表多項式線性回歸的結果為
Y = x 2 + 2 x + 3 Y = x^2+2x+3 Y=x2+2x+3
可以用np.polyval()方法輸出預測結果Y，即

Y = np.polyval(P, x)

4、模塊輸出可視化圖表

要用到matplotlib.pyplot，這個模塊內容非常非常多，現在根據需求選取幾個易用的函式

官方檔案：https://matplotlib.org/api/pyplot_api.html

功能一：繪制關系曲線

繪制一條x,y關系曲線，紅色，寬度為2，標簽為label

plt.plot(x, y, color="red”,linestyle="-", linewidth=2.0, label=‘label')

• x, y：與前面的x, y相同，支持array格式的陣列，分別代表自變數和因變數
• 設定label標簽有助于后續生成圖例

import matplotlib.pyplot as plt 
x=[1,2,3,5] 
y=[2,3,5,9] 
plt.plot(x, y,color="red",linestyle="-", linewidth=2.0,label='label1') 
plt.show()

功能二：新增圖例

plt.legend(loc=*'best'*,label=lable_list)

loc=‘best’時圖例自動‘安家’在一個坐標面內的資料圖表最少的位置，可以設定為指定位置，

參考鏈接：https://zhuanlan.zhihu.com/p/111108841

功能三：箭頭標注關鍵資訊

對第三個坐標點用紅色箭頭標注，箭頭離坐標相差0.05個單位，同時在(4,2)提醒’this is the annotate’.

plt.annotate('this is the annotate', xy=(x[2],y[2]), xycoords='data', xytext=(4,2),
arrowprops=dict(facecolor='red', shrink=0.05))

可以參考https://blog.csdn.net/wizardforcel/article/details/54782628

實體代碼

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
def intt(list,exc_rate=1):#將"xxx,xxx,xxx,xxx,xxx"格式的str轉化為 整型，exc_rate為匯率
    list_new = []
    for strr in list:
        int_list = strr.split(',') # 分割str，轉化為串列
        lenth = len(int_list)
        result = 0
        for n in range(lenth):
            ii = int(int_list[n])
            result = result + ii*1000**(lenth-n-1)*exc_rate
        list_new.append(result)
    return list_new

  def pre(n):#n為預測時間（年）
      data = pd.read_csv("testgdp.csv")
      df = pd.DataFrame(data)
      df = df.drop([19])#洗掉空行
      years = np.array(df.years)
      cn = intt(np.array(df.cn))
      usa = intt(np.array(df.us))
      model_cn = np.polyfit(years,cn,2)#階線性回歸cn
      model_usa = np.polyfit(years,usa,2)#2階維線性回歸usa
      overyear_list = []
      overusa_list = []
      overcn_list = []
    for i in range(n):#預測n年后gdp資料表現
        yy=2020+i
        cn_gdp=np.polyval(model_cn,yy)
        usa_gdp=np.polyval(model_usa,yy)
        if cn_gdp>usa_gdp:#判斷何時中國gdp超過美國，并記錄下來
            overyear_list.append(yy)
            overusa_list.append(usa_gdp)
            overcn_list.append(cn_gdp)
        cn = np.append(cn,cn_gdp)
        usa = np.append(usa,usa_gdp)
        years=np.append(years,yy)
    plt.plot(years, cn,color="red",linestyle="-", linewidth=2.0,label='CN')
    plt.plot(overyear_list, overcn_list, color="red", linestyle="-", linewidth=4.0)#加粗超過美國的部分
    plt.plot(years, usa,color="blue",
             linestyle="-", linewidth=2.0,label='USA')
    plt.plot(years[0:len(years)-len(overyear_list)+1],
             usa[0:len(years)-len(overyear_list)+1],
             color="blue", linestyle="-", linewidth=4.0)
    plt.legend(loc='upper left')#圖例，位置左上
    plt.annotate(s=("%d:CN%.1ftrillion ,USA%.1ftrillion"%(overyear_list[0],overcn_list[0]/(10**12),overusa_list[0]/(10**12))),xy=(overyear_list[0],overcn_list[0]),
                 xytext=(overyear_list[0]+n/10,overcn_list[0]*0.6)
                 ,arrowprops=dict(facecolor='red', shrink=0.05))#arrowprops箭頭
    plt.show()
pre(40)

后續進階

• 增加爬蟲功能（合法的那種！）
• 優化可視化圖表（增加圖表樣式，增加影像互動能力，如呼叫Pyecharts）
• 增加更多緯度資料，采用邏輯回歸
• 增加與資料庫對接的功能