# SEMINAR 1
# Citire din fisier in DataFrame
tabel = pd.read_csv(nume_fisier, index_col=0)
# print(tabel)
# Preluare nume de variabile in obiect list
variabile = list(tabel)
instante = list(tabel.index)
# print(variabile,instante,sep="\n")
x = tabel[variabile].values
# print(x,type(x),sep="\n")
r, alpha, a, c = calcule.acp(x)
t_r = pd.DataFrame(r, variabile, variabile)
t_r.to_csv("R.csv")
grafice.corelograma(t_r)
t_varianta = calcule.tabelare_valori_proprii(alpha)
t_varianta.to_csv("Varianta.csv")
# SEMINAR 2
# Calcul corelatii factoriale
rxc = a * np.sqrt(alpha)
# Tabelare corelatii factoriale
nume_componente = ["Comp" + str(i) for i in range(1, len(alpha) + 1)]
t_rxc = pd.DataFrame(data=rxc, index=variabile, columns=nume_componente)
t_rxc.to_csv("rxc.csv")
# Vizualizare corelograma corelatii factoriale
grafice.corelograma(t_rxc, titlu="Corelograma corelatii factoriale")
tabel = pd.read_csv(nume_fisier)
nume_variabile = [v for v in tabel.columns]
coloana_index = gui.Check(nume_variabile, "Selectati variabila index")[0]
coloana_etichete = gui.Check(nume_variabile, "Selectati coloana de etichete")[0]
tabel.index = [str(v) for v in tabel[coloana_index]]
nume_instante = tabel[coloana_index]
variabile_prelucrate = gui.Check(nume_variabile, "Selectati variabilele de lucru")
m = len(variabile_prelucrate)
t = tabel[variabile_prelucrate]
X = t.values
functii.inlocuire_na(X)
R, alpha, a, Rxc, C = functii.acp(X)
functii.tabelare(a, ['a' + str(i) for i in range(1, m + 1)], variabile_prelucrate, "PCA_Output\\loadings.csv")
R_tab = functii.tabelare(R, nume_coloane=variabile_prelucrate, nume_instante=variabile_prelucrate,
tabel="PCA_Output\\R.csv")
grafice.corelograma(R_tab, "Corelograma corelatii")
functii.tabelare_varianta(alpha)
j_Cattel, j_Kaiser = grafice.plot_varianta(alpha)
Rxc_tab = functii.tabelare(Rxc, nume_coloane=["C" + str(i) for i in range(1, m + 1)],
nume_instante=variabile_prelucrate, tabel="PCA_Output\\Rxc.csv")
grafice.corelograma(Rxc_tab, "Corelatii factoriale")
S, q, beta, Comun = functii.evaluare(C, alpha, Rxc)
k_s = min(j_Kaiser, j_Cattel)
for i in range(1, k_s):
grafice.t_scatter(S[:, 0], S[:, i], tabel[coloana_etichete], "a1", "a" + str(i + 1),
"Plot scoruri. Axele 1:" + str(i + 1))
grafice.cercul_corelatiilor(Rxc_tab, 0, i,
"Cercul corelatiilor. Axele 1:" + str(i + 1))
functii.tabelare(S, nume_coloane=["C" + str(i) for i in range(1, m + 1)],
nume_instante=nume_instante, tabel="PCA_Output\\F.csv")
functii.tabelare(q, nume_coloane=["a" + str(i) for i in range(1, m + 1)],
r, alpha, a, c = functii.acp(x)
#print(r)
#Calcul componente, tabelare varianta
tabel_varianta = functii.tabelare_varianta(alpha)
print(tabel_varianta)
tabel_varianta.to_csv("varianta.csv")
#Grafic varianta
#grafice.plot_varianta(alpha)
#calcul scoruri
s = c / np.sqrt(alpha)
#plot scoruri
kx = 0
ky = 1
#grafice.plot_scoruri(s[:, kx], s[:, ky], kx, ky, instante)
#calcul corelatii dintre variabile observate si componente
rxc = a * np.sqrt(alpha)
#corelograma -> grafic specializat
t_rxc = pd.DataFrame(
data=rxc,
index=variabile_prelucrate,
columns=["comp1" + str(i) for i in range(1,
len(alpha) + 1)])
t_rxc.to_csv("rxc.csv")
grafice.corelograma(t_rxc)
# preluare rezultate si calcule
# preluare scoruri
z = cca_model.x_scores_
u = cca_model.y_scores_
# cele mai semnificative axe sunt de la 0 -> 1
#grafice.plot_scoruri(z[:, 0], z[:, 1], u[:, 0], u[:, 1], nume_instante)
# calcul corelatii canonice
r = np.diagonal(np.corrcoef(z, u, rowvar=False)[:m, m:]) # sunt asezate pe linii, nu pe coloane; am elementele de pe diagonala principala
print(r) # -> corelatiile
# aplicare test Bartlet-Wilks pentru semnificatie corelatii canonice
# tabelare corelatii canonice
# preluare corelatii dintre variabilele observate si variabilele canonice
# calcul abateri standard pt z si u (variabile canonice)
z_std = np.std(z, axis=0) #var sunt asezate pe coloane
u_std = np.std(u, axis=0)
# corelatii
rxz = cca_model.x_loadings_ * z_std
ryu = cca_model.y_loadings_ * u_std
# trasare corelograme pentru rxz, ryu (sau cerc de corelatie)
t_rxz = pd.DataFrame(data=rxz, index=var1, columns=['z' + str(i) for i in range(1, m + 1)])
t_rxz.to_csv("rxz.csv")
grafice.corelograma(t_rxz)
u = cca_model.y_scores_
# Normalizare scoruri
pp.normalize(z, axis=0, copy=False)
pp.normalize(u, axis=0, copy=False)
# Calcul corelatii canonice
r = np.diagonal(np.corrcoef(z, u, rowvar=False)[:m, m:])
print("Corelatii canonice:", r)
# Calcul corelatii dintre variabilele observate si variabilele canonice
z_std = np.std(z, axis=0)
u_std = np.std(u, axis=0)
rxz = cca_model.x_loadings_ * z_std
ryu = cca_model.y_loadings_ * u_std
print("Corelatii variabile-variabile canonice:")
print(rxz, ryu, sep="\n")
# Plot scoruri
grafice.plot_scoruri(z[:, 0], z[:, 1], u[:, 0], u[:, 1], nume_instante)
# Corelograma corelatii
t_rxz = pd.DataFrame(data=rxz,
index=var_x,
columns=['z' + str(i) for i in range(1, m + 1)])
t_rxz.to_csv("rxz.csv")
grafice.corelograma(t_rxz, titlu="Corelograma X-Z")
t_ryu = pd.DataFrame(data=ryu,
index=var_y,
columns=['u' + str(i) for i in range(1, m + 1)])
t_ryu.to_csv("ryu.csv")
grafice.corelograma(t_ryu, titlu="Corelograma Y-U")
grafice.show()
import grafice
import numpy as np
nume_fisier = "ADN/ADN_Total.csv"
# Citire date din fisier in obiect pandas DataFrame
tabel = pd.read_csv(nume_fisier, index_col=0)
# print(tabel)
variabile = list(tabel)
instante = list(tabel.index)
# print(variabile,instante,sep="\n")
x = tabel[variabile].values
# print(x,type(x),sep="\n")
r, alpha, a, c = functii.acp(x)
t_r = pd.DataFrame(data=r, index=variabile, columns=variabile)
t_r.to_csv("R.csv")
grafice.corelograma(t_r)
tabel_varianta = functii.tabelare(alpha)
tabel_varianta.to_csv("Varianta.csv")
# Calcul corelatii factoriale
rxc = a * np.sqrt(alpha)
nume_componente = ["Comp" + str(i) for i in range(1, len(alpha) + 1)]
t_rxc = pd.DataFrame(data=rxc, index=variabile, columns=nume_componente)
t_rxc.to_csv("rxc.csv")
# Trasare corelograma corelatii factoriale
grafice.corelograma(t_rxc)
# Trasare plot corelatii
grafice.plot_corelatii(rxc, nume_variabile=variabile)
# Calcul scoruri
s = c / np.sqrt(alpha)
t_s = pd.DataFrame(data=s, index=instante, columns=nume_componente)
t_s.to_csv("s.csv")