1.比赛报名与思路解析(持续更新750967193)
2.比赛时间:2022年9月15日18点到2022年9月18日20点
如下为C题思路的配套代码:
首先导入表单:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=Falsedf_表单1 = pd.read_excel('附件.xlsx', sheet_name='表单1')
df_表单2 = pd.read_excel('附件.xlsx', sheet_name='表单2')
df_表单3 = pd.read_excel('附件.xlsx', sheet_name='表单3')
画出各个属性占比图
fig=plt.figure(figsize=(10,10))
i=1
for column in df_表单1.columns[1:]:
data =https://www.it610.com/article/{elem:np.sum(df_表单1[column]==elem) for elem in df_表单1[column].unique()}
ax=fig.add_subplot(2,2,i)
i+=1
ax.pie(data.values(), labels=data.keys(), autopct='%1.2lf%%', pctdistance=0.5)
ax.set_title(column+'占比图')
plt.savefig('各属性数量占比图.png')
plt.show()
文章图片
可以对数据采用如下方式处理:
- 空白处表示未检测到该成分,即该成分的含量为0,所以对于表单2中所用的控制用0进行填充;
- 对于‘文物采样点’进行分开处理,分开为‘文物编号’,采样点;
- 将成分之和不在区间[85,105]范围内的删除;
- 各成分含量之和应为100%,但因检测手段等原因加和并非100%,所以对各成分进行归一化处理,使其成分含量和为100%
df_表单2 = pd.read_excel('附件.xlsx', sheet_name='表单2')
df_表单2['采样点']=df_表单2['文物采样点'].apply(lambda x:x[2:])
df_表单2['文物编号']=df_表单2['文物采样点'].apply(lambda x:x[:2])
df_表单2=df_表单2.fillna(0)
print(df_表单2.shape)
df_表单2['总含量']=df_表单2[df_表单2.columns[1:15]].sum(axis=1)
index = df_表单2[df_表单2['总含量']<85].index
df_表单2=df_表单2.drop(index=index)
print(df_表单2.shape)
index = df_表单2[df_表单2['总含量']>105].index
df_表单2=df_表单2.drop(index=index)
print(df_表单2.shape)
for column in df_表单2.columns[1:15]:
df_表单2[column]=df_表单2[column]/df_表单2['总含量']*100
df_表单2.head()
然后合并1、2表单:
df_表单1['文物编号']=df_表单1['文物编号'].astype('str')
df_表单1['文物编号']=df_表单1['文物编号'].apply(lambda x:'0'*(2-len(x))+x)
df_表单1.index=df_表单1['文物编号']
columns = ['纹饰', '类型', '颜色', '表面风化']
df_表单2[columns]=''
for i in df_表单2.index:
index = df_表单2['文物编号'][i]
for column in columns:
df_表单2.loc[i,column]=df_表单1[column][index]
df_表单2['颜色'].unique()
dic = {'风化':1,'无风化':0,
'A':1,'C':0,# 这里未对B进行转换,不过在apriori的地方使用的是汉字不影响,后续也没有使用
'高钾':1,'铅钡':0,
'蓝绿':0, '浅蓝':1, '紫':2, '深绿':3, '深蓝':4, '浅绿':5, '黑':6, '绿':7}
df_表单2['是否风化']=df_表单2['表面风化'].apply(lambda x:dic.get(x))
df_表单2['类型是否高钾']=df_表单2['类型'].apply(lambda x:dic.get(x))
df_表单2['纹饰A']=df_表单2['纹饰'].apply(lambda x:dic.get(x))
df_表单2['颜色编号']=df_表单2['颜色'].apply(lambda x:dic.get(x))
columns = ['文物编号','采样点','是否风化','类型是否高钾','纹饰A','颜色编号']
columns.extend(df_表单2.columns[1:15])
df = df_表单2[columns]
df.to_excel('表单1-2合并.xlsx')
df
得到完整的合并表单:
文章图片
各成分占比:
plt.figure(figsize=(10,10))
data = https://www.it610.com/article/df[df.columns[5:]].mean()
print(data[data<=1].index)
value = list(data[data>1].values)+[sum(data[data<=1].values)]
labels = list(data[data>1].index)+['其他']
plt.pie(value, labels=labels, autopct='%1.2lf%%')
plt.savefig('各成分平均占比图.png')
plt.show()
文章图片
df1 = df[df['类型是否高钾']==1]
plt.figure(figsize=(10,10))
data = https://www.it610.com/article/df1[df1.columns[5:]].mean()
print(data[data<=1].index)
value = list(data[data>1].values)+[sum(data[data<=1].values)]
labels = list(data[data>1].index)+['其他']
plt.pie(value, labels=labels, autopct='%1.2lf%%')
plt.savefig('类型为高钾的成分占比图.png')
plt.show()
此图为:类型为高钾的成分占比图
文章图片
画出热力图:
sns.heatmap(df[df.columns[1:5]].corr())
plt.savefig('风化,纹饰,颜色,类型相关性热力图.png')
plt.show()
文章图片
所有属性热力图
文章图片
以上仅为部分数据预处理内容,第二问小部分内容摘选:
df['亚类']=''
高钾亚类 = ['高钾亚类'+str(i) for i in 高钾kmeans[1]]
铅钡亚类 = ['铅钡亚类'+str(i) for i in 铅钡kmeans[1]]
df.loc[高钾_df.index,'亚类']=高钾亚类
df.loc[铅钡_df.index,'亚类']=铅钡亚类
df.to_excel('所有文物分别按亚类分类表.xlsx')
文章图片
【python|2022高教社杯数学建模国赛C题思路代码实现】以上仅为部分数据预处理内容和摘选的第二问的小部分内容
推荐阅读
- 无人机|2022年高教社杯全国大学生数学建模竞赛-【赛题解析篇】B题(无人机遂行编队飞行中的纯方位无源定位)
- 数学建模|无人机遂行编队飞行中的纯方位无源定位分析及思路模型/2022数学建模国赛B题思路模型
- Python第二天( 变量详解及变量赋值)
- Python#常用的模块和简单用法
- 8个Python高效数据分析的技巧
- 特征工程-缺失值处理|机器学习之数据预处理——降噪
- 数学建模|简学lingo(二)——基础篇
- python|数学建模(相关性分析学习——皮尔逊(pearson)相关系数与斯皮尔曼(spearman)相关系数)
- python|Python学习记录-项目案例实现(爬虫篇 03)