数值分析案例：Newton插值预测2019城市(Asian)温度、Crout求解城市等温性的因素系数

最新推荐文章于 2024-08-30 12:52:05 发布

原创

最新推荐文章于 2024-08-30 12:52:05 发布 · 1w 阅读

121

标签

#python #可视化 #数据分析

本文探讨了Newton插值法在预测城市温度的应用，以及Crout分解法在分析城市等温性影响因素中的作用。通过实验，不仅验证了Newton插值法的有效性，还确定了与城市等温性高度相关的环境因素。

数值分析案例：Newton插值预测2019城市(Asian)温度、Crout求解城市等温性的因素系数

文章目录

数值分析案例：Newton插值预测2019城市(Asian)温度、Crout求解城市等温性的因素系数

一、实验目的及数据来源

1.研究问题的概述：

本文主要研究了插值方法在“城市温度变化预测”这一问题上的实际应用，以及使用构建线性方程组求解因素系数，进一步探索城市等温性的相关性因素。（采用的差值方法请参考之前的博客：Python：花了好久才写完的拉格朗日差值法和牛顿差商法的实现）

2.数据来源：

World Average Temperature(https://www.kaggle.com/efradgamer/world-average-temperature)
global environmental factors(https://www.kaggle.com/sadeka007/global-environmental-factors)

二、实验内容

第一部分：“采用Newton插值预测2019城市(Asian)温度”

Step 1：

随机选择出一定数量的所属区域为亚洲的城市温度数据，并保证这些城市的地理位置信息在经度、维度上有一定的划分，达到全局采样的效果。*选取的城市如下：北京、重庆、台北、东京、札幌、首尔、Dikson、海参崴、清迈、合艾、孟买、岘港、河内、埃尔祖鲁姆。

在这里插入图片描述

代码如下：

# -*- coding:utf-8 -*-
import numpy as np
import pandas as pd
import csv
import matplotlib.pyplot as plt
%matplotlib inline

path = 'DATA.csv'
data = pd.read_csv(path, index_col=0)
data.head(15)

Step 2：

数据可视化，能够直观感受城市温度的对比，绘制城市温度折线图如下：

在这里插入图片描述

代码如下：

# 将csv文件格式转换为np.array格式，数据格式为float类型
Data = np.array(data.iloc[:,0:12], dtype=float) # 将数据转为float型
print(Data)

# 取出每个城市的12个月的温度统计数据
Beijing = Data[0,:]
Chongqing = Data[1,:]
Taipei = Data[2,:]
Tokyo = Data[3,:]
Sapporo = Data[4,:]
Seoul = Data[5,:]
Dikson = Data[6,:]
Vladivostok = Data[7,:]
ChiangMai = Data[8,:]
HatYai = Data[9,:]
DaNang = Data[10,:]
Hanoi = Data[11,:]
Mumbai = Data[12,:]
Erzurum = Data[13,:]

# 以折线图的方式可视化城市的年度温度变化数据
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]

plt.figure(figsize=(13, 13))
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
plt.plot(x, Beijing,  ms=2, label="北京")
plt.plot(x, Chongqing,ms=2, label="重庆")
plt.plot(x, Taipei,  ms=2, label="台北")
plt.plot(x, Tokyo, ms=2, label="东京")

plt.plot(x, Sapporo, ms=2, label="札幌")
plt.plot(x, Seoul, ms=2, label="首尔")
plt.plot(x, Dikson, ms=2, label="Dikson")

plt.plot(x, Vladivostok, ms=2, label="海参崴")
plt.plot(x, ChiangMai,  ms=2, label="清迈")
plt.plot(x, HatYai,  ms=2, label="合艾")
plt.plot(x, DaNang, ms=2, label="岘港")

plt.plot(x, Hanoi,  ms=2, label="河内")
plt.plot(x, Mumbai,  ms=2, label="孟买")
plt.plot(x, Erzurum, ms=2, label="埃尔祖鲁姆")
plt.xticks(rotation=45)
plt.xlabel(<