'24/05/06更新：可読性向上のため、コードをクラスに書き換えました。
本記事では、データセットに対して、所望の関数にフィッティングして近似式を作成する雛形コードを載せました。scipyのoptimize.curve_fitを利用します。
▼比例近似：y = ax にしたい場合（切片0）
▼一次近似：y = ax + b にしたい場合
▼二次近似：y = ax^2 + bx + c にしたい場合
下図は、上図３つのサンプルデータの例です（csvファイル）。本プログラム内でpandasのDataFrame書式で読み込みます。そして、縦軸と横軸にする列名を指定すると、冒頭３つのような図を作成します。
■本プログラム
import pandas as pd
import numpy as np
import scipy as sp
from scipy import optimize
import math
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import datetime
class RegressionPlotter:
def __init__(self, save_fname, X_name, Y_name):
"""
RegressionPlotterクラスのコンストラクタ。
Args:
save_fname (str): 保存ファイル名のプレフィックス。
X_name (str): X軸の列名。
Y_name (str): Y軸の列名。
"""
self.save_fname = save_fname
self.X_name = X_name
self.Y_name = Y_name
def plot_regression(self, DF, approximation_function, label_format):
"""
近似曲線をプロットするメソッド。
Args:
DF (pandas.DataFrame): データフレーム。
approximation_function (function): 近似関数。
label_format (str): 凡例のフォーマット。
"""
popt, _ = optimize.curve_fit(approximation_function, DF[self.X_name], DF[self.Y_name])
ax = plt.figure(num=0, dpi=120).gca()
ax.set_title("pred vs real ", fontsize=14)
ax.set_xlabel(self.X_name, fontsize=16)
ax.set_ylabel(self.Y_name, fontsize=16)
rp = ax.scatter(x=self.X_name, y=self.Y_name, data=DF, facecolors="none", edgecolors='black')
x_min = DF[self.X_name].min()
x_max = DF[self.X_name].max()
y_min = DF[self.Y_name].min()
y_max = DF[self.Y_name].max()
x_min = min(x_min, y_min)
x_max = min(x_max, y_max)
x_range = x_max - x_min
if x_max > 1:
min_lim = 0
max_lim = math.floor(x_max + 1) if x_range <= 10 else math.floor(x_max + 10)
else:
max_lim = 0
max_lim = math.floor(x_max - 1) if x_range <= 100 else math.floor(x_max - 10)
rp.axes.set_xlim(min_lim, max_lim)
rp.axes.set_ylim(min_lim, max_lim)
x_approximation = np.linspace(min_lim, max_lim, 10)
y_approximation = approximation_function(x_approximation, *popt)
line_approximation = ax.plot(x_approximation, y_approximation, linestyle='dashed', linewidth=3, color='r')
rp.axes.set_aspect('equal', adjustable='box')
plt.grid(True)
ax.legend([line_approximation[0]], [label_format.format(*popt)], loc='upper left', numpoints=1, fontsize=15)
plt.tick_params(labelsize=15)
plt.tight_layout()
plt.savefig(self.save_fname + '.png')
plt.close()
class LinearRegression:
@staticmethod
def proportional_approximation(x, a):
"""
比例近似関数 y = ax の定義。
Args:
x (float): x値。
a (float): 近似パラメータ。
Returns:
float: 近似されたy値。
"""
return a * x
@staticmethod
def first_order_approximation(x, a, b):
"""
1次近似関数 y = ax + b の定義。
Args:
x (float): x値。
a (float): 近似パラメータ。
b (float): 近似パラメータ。
Returns:
float: 近似されたy値。
"""
return a * x + b
@staticmethod
def quadratic_approximation(x, a, b, c):
"""
2次近似関数 y = ax^2 + bx + c の定義。
Args:
x (float): x値。
a (float): 近似パラメータ。
b (float): 近似パラメータ。
c (float): 近似パラメータ。
Returns:
float: 近似されたy値。
"""
return a * pow(x, 2) + b * x + c
if __name__ == '__main__':
now = datetime.datetime.now().strftime("%y%m%d")
file_path = "sample_data.csv"
df = pd.read_csv(file_path)
proportional_plotter = RegressionPlotter(now + "_01_PRICE_PRICE_pred_ProportionalApproximation", "PRICE", "PRICE_pred")
proportional_plotter.plot_regression(df, LinearRegression.proportional_approximation, "y = {:.2f}x")
first_order_plotter = RegressionPlotter(now + "_02_PRICE_PRICE_pred_FirstOrderApproximation", "PRICE", "PRICE_pred")
first_order_plotter.plot_regression(df, LinearRegression.first_order_approximation, "y = {0:.2f}x + {1:.2f}")
quadratic_plotter = RegressionPlotter(now + "_03_PRICE_PRICE_pred_QuadraticApproximation", "PRICE", "PRICE_pred")
quadratic_plotter.plot_regression(df, LinearRegression.quadratic_approximation,
"y = {0:.2f}x^2 + {1:.2f}x + {2:.2f}")
print("finished")
▼手法は同じで、その他活用例として下記リンクを貼り付けます。
hk29.hatenablog.jp
以上
<広告>
リンク
リンク
リンク
