def predict():
pr = Predict()
x = [
'ridge', 'ridge', 'lasso', 'lasso', 'linear', 'linear', 'SVM', 'SVM',
'random', 'random'
]
y = []
y += pr.ridge() # 分别比较各种回归算法（岭回归、套索回归、线性回归、支持向量机）和纯随机数之间的准确率
y += pr.lasso()
y += pr.linear()
y += pr.SVM()
y += pr.random()
hue = ['train_accuracy', 'test_accuracy'] * 5
data = pd.DataFrame({'algorithm': x, 'accuracy': y, 'kind': hue})
p = Paint()
p.GetDataFromDataframe(data)
plt.figure(figsize=(8, 8))
p21 = p.bar('algorithm', 'accuracy', 'kind')
plt.savefig('图13：各种回归算法及随机数预测准确率柱状图')
def wash(): #对得到的数据进行初步处理
w = Wash() # 下10行对各特征值进行数据类型转换和过滤极端异常值
w.GetDataFromDatabase('data.db')
w.UnitPriceWash()
w.StructureWash()
w.StoreyWash()
w.SizeWash()
w.AgeWash()
w.DecorateWash()
w.XYWash()
raw_df = w.df
raw_df.drop_duplicates(['unit_price', 'structure', 'storey', 'size'],
inplace=True) # 去重
p = Paint() #绘制价格和地段示意图，用于分析找到城市中心位置
p.GetDataFromDataframe(raw_df)
plt.figure(figsize=(8, 8))
pc1 = p.xyplot()
plt.savefig('图1：上海二手房价格与地段示意图')
w.GetDistance(2) #通过Kmeans聚类找到房价的两个质心位置，并计算各房屋距离两个质心的平均距离
w.Select()
df = w.df
df.to_excel('RawData.xls') # 将初步清洗的数据存储于excel中
def norm(): #对初步清洗的数据进行归一化
w = Wash()
w.GetDataFromExcel('RawData.xls')
for i in ['unit_price', 'size', 'age', 'distance']: # 对数据进行不同方式的归一化并比较其效果
w.MaxMinNorm(i)
w.LogNorm(i)
w.ZscoreNorm(i)
df = w.df
p = Paint()
p.GetDataFromDataframe(df)
plt.figure(figsize=(8, 8)) #对未归一化的效果进行可视化，并计算其偏度和峰度
plt.subplot(221)
pc2 = p.histo('unit_price', bins=30, x=75000, y=0.00002)
plt.subplot(222)
pc3 = p.histo('size', bins=30, x=120, y=0.012)
plt.subplot(223)
pc4 = p.histo('age', bins=30, x=25, y=0.06)
plt.subplot(224)
pc5 = p.histo('distance', bins=30, x=55, y=0.08)
plt.suptitle('Histogram of Raw Data')
plt.savefig('图2：未归一化的数据直方图')
plt.figure(figsize=(8, 8)) #对max-min归一化的效果进行可视化，并计算其偏度和峰度
plt.subplot(221)
pc6 = p.histo('MaxMinNormunit_price', bins=30, x=0.6, y=2.5)
plt.subplot(222)
pc7 = p.histo('MaxMinNormsize', bins=30, x=0.6, y=2.5)
plt.subplot(223)
pc8 = p.histo('MaxMinNormage', bins=30, x=0.6, y=2.5)
plt.subplot(224)
pc9 = p.histo('MaxMinNormdistance', bins=30, x=0.6, y=8)
plt.suptitle('Histogram of Max-Min Normalization')
plt.savefig('图3：max-min归一化的直方图')
plt.figure(figsize=(8, 8)) #对对数归一化的效果进行可视化，并计算其偏度和峰度
plt.subplot(221)
pc6 = p.histo('LogNormunit_price', bins=30, x=0.65, y=2)
plt.subplot(222)
pc7 = p.histo('LogNormsize', bins=30, x=0.65, y=2)
plt.subplot(223)
pc8 = p.histo('LogNormage', bins=30, x=0.65, y=4)
plt.subplot(224)
pc9 = p.histo('LogNormdistance', bins=30, x=0.65, y=4)
plt.suptitle('Histogram of Log Normalization')
plt.savefig('图4：Log归一化的直方图')
plt.figure(figsize=(8, 8)) #对Zscore归一化的效果进行可视化，并计算其偏度和峰度
plt.subplot(221)
pc10 = p.histo('ZscoreNormunit_price', bins=30, x=0.65, y=2)
plt.subplot(222)
pc11 = p.histo('ZscoreNormsize', bins=30, x=0.65, y=2)
plt.subplot(223)
pc12 = p.histo('ZscoreNormage', bins=30, x=0.65, y=2)
plt.subplot(224)
pc13 = p.histo('ZscoreNormdistance', bins=30, x=0.65, y=6)
plt.suptitle('Histogram of Zscore Normalization')
plt.savefig('图5：ZscoreNorm归一化的直方图')
df['unit_price'] = df['LogNormunit_price'] #对比后最终选用对数归一化方法
df['size'] = df['LogNormsize']
df['age'] = df['LogNormage']
df['distance'] = df['LogNormdistance']
df.drop([
'MaxMinNormunit_price', 'LogNormunit_price', 'ZscoreNormunit_price',
'MaxMinNormsize', 'LogNormsize', 'ZscoreNormsize', 'MaxMinNormage',
'LogNormage', 'ZscoreNormage', 'MaxMinNormdistance', 'LogNormdistance',
'ZscoreNormdistance'
],
axis=1,
inplace=True)
df.to_excel('Washed Data.xls') # 将归一化的数据存储于excel中
print('数据归一化部分已完成')