深圳网络做网站,千锋教育和达内哪个好,做导航网站用多大的空间,微信公众号如何创建视频链接钻石是最昂贵的宝石之一。钻石的质量通常以其重量#xff08;克拉#xff09;、净度、颜色和切工来评估。重量越大、净度越高、色彩纯净、切工精细的钻石价格也越高。其中#xff0c;4C标准是衡量钻石质量的国际标准#xff0c;即克拉#xff08;Carat#xff09;、净度克拉、净度、颜色和切工来评估。重量越大、净度越高、色彩纯净、切工精细的钻石价格也越高。其中4C标准是衡量钻石质量的国际标准即克拉Carat、净度Clarity、颜色Color和切工Cut。
钻石价格分析
为了根据钻石的属性来分析钻石的价格我们首先需要一个包含钻石价格的数据集。 这里有一个Kaggle上数据集地址https://www.kaggle.com/datasets/shivam2503/diamonds其中包含有关钻石的信息例如
CaratCutColourClarityDepthTablePriceSize
导入必要的Python库和数据集
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as godata pd.read_csv(diamonds.csv)
print(data.head())输出 Unnamed: 0 carat cut color clarity depth table price x y \
0 1 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98
1 2 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84
2 3 0.23 Good E VS1 56.9 65.0 327 4.05 4.07
3 4 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23
4 5 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 z
0 2.43
1 2.31
2 2.31
3 2.63
4 2.75 此数据集包含未命名列。在进一步处理之前删除此列
data data.drop(Unnamed: 0,axis1)现在让我们开始分析钻石价格。先来分析一下克拉数和钻石价格之间的关系看看克拉数是如何影响钻石价格的
figure px.scatter(data_frame data, xcarat,yprice, sizedepth, color cut, trendlineols)
figure.show()我们可以看到克拉数和钻石价格之间的线性关系。这意味着克拉数越高价格越高。
现在通过计算钻石的大小长度x宽度x高度向该数据集添加一个新列
data[size] data[x] * data[y] * data[z]
print(data)输出 carat cut color clarity depth table price x y z \
0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.31
2 0.23 Good E VS1 56.9 65.0 327 4.05 4.07 2.31
3 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23 2.63
4 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 2.75
... ... ... ... ... ... ... ... ... ... ...
53935 0.72 Ideal D SI1 60.8 57.0 2757 5.75 5.76 3.50
53936 0.72 Good D SI1 63.1 55.0 2757 5.69 5.75 3.61
53937 0.70 Very Good D SI1 62.8 60.0 2757 5.66 5.68 3.56
53938 0.86 Premium H SI2 61.0 58.0 2757 6.15 6.12 3.74
53939 0.75 Ideal D SI2 62.2 55.0 2757 5.83 5.87 3.64 size
0 38.202030
1 34.505856
2 38.076885
3 46.724580
4 51.917250
... ...
53935 115.920000
53936 118.110175
53937 114.449728
53938 140.766120
53939 124.568444 [53940 rows x 11 columns]现在让我们来看看钻石的大小与其价格之间的关系
figure px.scatter(data_frame data, xsize,yprice, sizesize, color cut, trendlineols)
figure.show()上图总结了钻石的两个特点
优质切工钻石比其他钻石相对较大所有类型的钻石的大小和它们的价格之间都有线性关系
现在让我们来看看所有类型的钻石的价格根据它们的颜色
fig px.box(data, xcut, yprice, colorcolor)
fig.show()现在让我们来看看所有类型的钻石的价格根据其净度
fig px.box(data, xcut, yprice, colorclarity)
fig.show()现在让我们来看看钻石价格与数据集中其他特征之间的相关性
correlation data.corr()
print(correlation[price].sort_values(ascendingFalse))输出
price 1.000000
carat 0.921591
size 0.902385
x 0.884435
y 0.865421
z 0.861249
table 0.127134
depth -0.010647
Name: price, dtype: float64钻石价格预测
现在将通过使用上述钻石价格分析中的所有必要信息来预测钻石价格。
在继续之前转换切割列的值因为钻石的切割类型是预测钻石价格的一个有价值的特征。要使用此列我们需要将其分类值转换为数值。下面是我们如何将其转换为数字功能
data[cut] data[cut].map({Ideal: 1, Premium: 2, Good: 3,Very Good: 4,Fair: 5})现在让我们将数据分为训练集和测试集
#splitting data
from sklearn.model_selection import train_test_split
x np.array(data[[carat, cut, size]])
y np.array(data[[price]])xtrain, xtest, ytrain, ytest train_test_split(x, y, test_size0.10, random_state42)训练一个机器学习模型来完成钻石价格预测的任务
from sklearn.ensemble import RandomForestRegressor
model RandomForestRegressor()
model.fit(xtrain, ytrain)下面是我们如何使用机器学习模型来预测钻石的价格
print(Diamond Price Prediction)
a float(input(Carat Size: ))
b int(input(Cut Type (Ideal: 1, Premium: 2, Good: 3, Very Good: 4, Fair: 5): ))
c float(input(Size: ))
features np.array([[a, b, c]])
print(Predicted Diamonds Price , model.predict(features))输出
Diamond Price Prediction
Carat Size: 0.60
Cut Type (Ideal: 1, Premium: 2, Good: 3, Very Good: 4, Fair: 5): 2
Size: 40
Predicted Diamonds Price [937.13946429]总结
因此这就是如何使用Python进行钻石价格分析和预测的任务。根据钻石价格分析我们可以说优质钻石的价格和尺寸都高于其他类型的钻石。
