我将为您生成一段用于数据分析的Python代码，该代码约100-150行，格式清晰易懂，包含数据预处理、探索性分析和简单建模的完整流程。 ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score from sklearn.preprocessing import StandardScaler import warnings warnings.filterwarnings('ignore') class DataAnalyzer: """数据分析类，封装完整的数据分析流程""" def __init__(self, data_path=None): """ 初始化数据分析器 Args: data_path: 数据文件路径，如果为None则生成模拟数据 """ self.data = None self.X_train = None self.X_test = None self.y_train = None self.y_test = None self.model = None self.load_data(data_path) def load_data(self, data_path): """加载或生成数据""" if data_path: # 从文件加载数据 self.data = pd.read_csv(data_path) print(f"数据加载成功，形状: {self.data.shape}") else: # 生成模拟数据用于演示 np.random.seed(42) n_samples = 1000 # 生成特征数据 age = np.random.normal(45, 15, n_samples) income = np.random.normal(50000, 20000, n_samples) education = np.random.randint(1, 5, n_samples) health_score = np.random.normal(7, 2, n_samples) # 生成目标变量（模拟老人自养意愿得分） target = (0.3 * age + 0.4 * income/10000 + 0.2 * education + 0.1 * health_score + np.random.normal(0, 1, n_samples)) self.data = pd.DataFrame({ 'age': age, 'income': income, 'education': education, 'health_score': health_score, 'self_care_willingness': target }) print("模拟数据生成完成") # 显示数据基本信息 self.display_basic_info() def display_basic_info(self): """显示数据基本信息""" print("\n" + "="*50) print("数据基本信息") print("="*50) print(f"数据形状: {self.data.shape}") print(f"\n前5行数据:") print(self.data.head()) print(f"\n数据描述性统计:") print(self.data.describe()) print(f"\n缺失值统计:") print(self.data.isnull().sum()) def preprocess_data(self): """数据预处理""" print("\n" + "="*50) print("数据预处理") print("="*50) # 处理缺失值 if self.data.isnull().sum().sum() > 0: self.data = self.data.fillna(self.data.mean()) print("缺失值已用均值填充") # 检测并处理异常值 self.detect_outliers() # 数据标准化 scaler = StandardScaler() numeric_cols = ['age', 'income', 'health_score'] self.data[numeric_cols] = scaler.fit_transform(self.data[numeric_cols]) print("数值型特征已标准化") def detect_outliers(self): """检测异常值""" print("\n异常值检测:") for col in self.data.select_dtypes(include=[np.number]).columns: Q1 = self.data[col].quantile(0.25) Q3 = self.data[col].quantile(0.75) IQR = Q3 - Q1 lower_bound = Q1 - 1.5 * IQR upper_bound = Q3 + 1.5 * IQR outliers = self.data[(self.data[col] < lower_bound) | (self.data[col] > upper_bound)] if len(outliers) > 0: print(f"{col}: 发现 {len(outliers)} 个异常值") def exploratory_analysis(self): """探索性数据分析""" print("\n" + "="*50) print("探索性数据分析") print("="*50) # 设置绘图风格 plt.style.use('seaborn-v0_8') fig, axes = plt.subplots(2, 2, figsize=(15, 12)) # 1. 目标变量分布 axes[0,0].hist(self.data['self_care_willingness'], bins=30, alpha=0.7, color='skyblue') axes[0,0].set_title('目标变量分布 - 自养意愿') axes[0,0].set_xlabel('自养意愿得分') axes[0,0].set_ylabel('频数') # 2. 年龄与自养意愿的关系 axes[0,1].scatter(self.data['age'], self.data['self_care_willingness'], alpha=0.6) axes[0,1].set_title('年龄 vs 自养意愿') axes[0,1].set_xlabel('年龄') axes[0,1].set_ylabel('自养意愿') # 3. 收入与自养意愿的关系 axes[1,0].scatter(self.data['income'], self.data['self_care_willingness'], alpha=0.6, color='green') axes[1,0].set_title('收入 vs 自养意愿') axes[1,0].set_xlabel('收入') axes[1,0].set_ylabel('自养意愿') # 4. 相关性热力图 corr_matrix = self.data.corr() sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', ax=axes[1,1]) axes[1,1].set_title('变量相关性热力图') plt.tight_layout() plt.savefig('exploratory_analysis.png', dpi=300, bbox_inches='tight') plt.show() # 打印关键相关性 print("\n关键相关性分析:") target_corr = corr_matrix['self_care_willingness'].sort_values(ascending=False) for feature, corr in target_corr.items(): if feature != 'self_care_willingness': print(f"{feature}: {corr:.3f}") def build_model(self): """构建预测模型""" print("\n" + "="*50) print("模型构建") print("="*50) # 准备特征和目标变量 X = self.data[['age', 'income', 'education', 'health_score']] y = self.data['self_care_willingness'] # 划分训练集和测试集 self.X_train, self.X_test, self.y_train, self.y_test = train_test_split( X, y, test_size=0.2, random_state=42 ) # 创建并训练模型 self.model = LinearRegression() self.model.fit(self.X_train, self.y_train) print("线性回归模型训练完成") print(f"特征系数: {dict(zip(X.columns, self.model.coef_))}") print(f"截距: {self.model.intercept_:.3f}") def evaluate_model(self): """模型评估""" print("\n" + "="*50) print("模型评估") print("="*50) # 预测 y_pred = self.model.predict(self.X_test) # 计算评估指标 mse = mean_squared_error(self.y_test, y_pred) r2 = r2_score(self.y_test, y_pred) print(f"均方误差 (MSE): {mse:.3f}") print(f"决定系数 (R²): {r2:.3f}") # 可视化预测结果 plt.figure(figsize=(10, 6)) plt.scatter(self.y_test, y_pred, alpha=0.6) plt.plot([self.y_test.min(), self.y_test.max()], [self.y_test.min(), self.y_test.max()], 'r--', lw=2) plt.xlabel('实际值') plt.ylabel('预测值') plt.title('预测值 vs 实际值') plt.savefig('prediction_results.png', dpi=300, bbox_inches='tight') plt.show() def run_full_analysis(self): """运行完整分析流程""" self.preprocess_data() self.exploratory_analysis() self.build_model() self.evaluate_model() print("\n" + "="*50) print("分析完成！") print("="*50) # 主程序执行 if __name__ == "__main__": # 创建分析器实例（使用模拟数据） analyzer = DataAnalyzer() # 运行完整分析流程 analyzer.run_full_analysis() # 保存处理后的数据 analyzer.data.to_csv('processed_analysis_data.csv', index=False) print("处理后的数据已保存为 'processed_analysis_data.csv'") ``` ## 代码功能说明 这段代码提供了一个完整的数据分析框架，主要包含以下功能模块： ### 1. 数据加载与探索 * **自动生成模拟数据**：基于老年人自养意愿研究主题生成合理的数据 * **数据基本信息展示**：包括数据形状、描述性统计和缺失值检测 ### 2. 数据预处理 * **缺失值处理**：使用均值填充缺失值 * **异常值检测**：基于IQR方法识别异常数据点 * **数据标准化**：对数值型特征进行标准化处理 ### 3. 探索性数据分析 * **分布可视化**：目标变量分布直方图 * **关系分析**：散点图展示特征与目标变量的关系 * **相关性分析**：热力图展示变量间相关性 ### 4. 建模与评估 * **线性回归模型**：建立多变量线性回归模型 * **模型评估**：使用MSE和R²指标评估模型性能 * **结果可视化**：预测值与实际值的对比散点图 ## 使用说明 1. **直接运行**：代码会自动生成模拟数据并执行完整分析流程 2. **使用真实数据**：修改 `DataAnalyzer('your_data.csv')` 来加载您的数据文件 3. **输出结果**：代码会生成分析图表并保存处理后的数据 这段代码结构清晰，注释详细，便于理解和修改，适合作为数据分析项目的基础模板。