-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathanaliticaPruebas.py
132 lines (108 loc) · 4.05 KB
/
analiticaPruebas.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
"""
Primera prueba handsOn de Data Sciencest
Pagina guía: http://scg.sdsu.edu/dataset-adult_r/
datasets
https://archive.ics.uci.edu/ml/machine-learning-databases/adult/
https://www.valentinmihov.com/2015/04/17/adult-income-data-set/
"""
import numpy as np
import matplotlib.pyplot as plt
#from sklearn
import pandas as pd
import math
from scipy.stats import itemfreq
print("empezamos bien?")
df = pd.read_csv( "adult.test",
names=[
"Age", "Workclass", "fnlwgt", "Education", "Education-Num", "Martial Status",
"Occupation", "Relationship", "Race", "Sex", "Capital Gain", "Capital Loss",
"Hours per week", "Country", "Target"],
sep=r'\s*,\s*',
engine='python',
na_values="?")
MiArrayGeneral =df.values #Convertimos numpy array
#print (df.head())
#print(df.values)
############################ ScatterPlot
# las 20 primeras filas columna 0 para la x, 12 para la Y
#plt.scatter(MiArrayGeneral[0:20 , 0:1], MiArrayGeneral[0:20 , 12:13], c="g", alpha=0.5,
# label="J3")
plt.scatter(MiArrayGeneral[0:16000 , 0:1], MiArrayGeneral[0:16000 , 12:13], c="r", alpha=0.5,
marker ='*', label="J3")
plt.xlabel("age")
plt.ylabel("hour_per_Week")
plt.legend(loc=2)
#plt.show()
####################################### Dsitribuciones numpy.histogram(y, bins=y)
plt.rcdefaults()
fig, ax = plt.subplots()
estatus = np.array(MiArrayGeneral[0:16000 , 5:6])
#estatusT = estatus.T
#print(estatusT)
posiblesStatus = np.array(['Married-civ-spouse', 'Divorced', 'Never-married', 'Separated', 'Widowed','Widowed', 'Married-spouse-absent', 'Married-AF-spouse'])
# Contamos el numero de ocurrencias por tipo de datos
cuenta1= itemfreq(estatus)
print(cuenta1)
#numero de datos distintos
y_pos = np.arange(len(cuenta1[0:60 , 0:1]))
#Pinto las barras
ax.barh(y_pos, cuenta1[0:60 , 1:2], align='center',
color='blue', ecolor='black')
ax.set_yticks(y_pos)
ax.set_yticklabels(cuenta1[0:60 , 0:1])
ax.invert_yaxis() # labels read top-to-bottom
ax.set_xlabel('number of cases')
ax.set_title('Status')
#plt.show()
############################################################################
####################################### Graficamos Educacion versus Sexo
fig1, ax1 = plt.subplots()
mivar= 88
_jj=0
education = np.array(MiArrayGeneral[0:16000 , 3:4]) #slicing columna de Educacion [3]
## Separamos Men Women
Mujeres = np.empty([16000], dtype=object) #definirlo como array d sentences
Hombres = np.empty([16000], dtype=object)
print (education.dtype)
for i in range(len(education)):
#Mujeres[i]= MiArrayGeneral[0:1:]
#print(MiArrayGeneral[i][9])
if(MiArrayGeneral[i][9] == "Female"):
#np.put(Mujeres, i, MiArrayGeneral[i][3])
Mujeres[_jj]=MiArrayGeneral[i][3] # [i:(i+1) , 3:4]
_jj +=1
#print(MiArrayGeneral[i:(i+1) , 3:4])
print("Mujeres",Mujeres)
_jj=0
for i in range(len(education)):
#Mujeres[i]= MiArrayGeneral[0:1:]
#print(MiArrayGeneral[i][9])
if(MiArrayGeneral[i][9] == "Male"):
#np.put(Mujeres, i, MiArrayGeneral[i][3])
Hombres[_jj]=MiArrayGeneral[i][3] # [i:(i+1) , 3:4]
_jj +=1
#print(MiArrayGeneral[i:(i+1) , 3:4])
print("hombres", Hombres)
age = np.array(MiArrayGeneral[0:16000 , 0:1]) #slicing columna de edad
# Contamos el numero de ocurrencias por tipo de datos
# Como nos ordena?
educationOrdered = itemfreq(education)
educationOrdeMuj = itemfreq(Mujeres)
educationOrdeHombres = itemfreq(Hombres)
print(educationOrdered)
print("hombre",educationOrdeHombres)
print("mujeres",educationOrdeMuj)
#numero de datos distintos
y_pos = np.arange(len(educationOrdeMuj[0:16000 , 0:1]))
#Pinto las barras
width = 0.35
ax1.barh(y_pos, educationOrdeMuj[0:16000 , 1:2], width, align='center',
color='pink', ecolor='black')
ax1.barh(y_pos+width, educationOrdeHombres[0:16000 , 1:2], width, align='center',
color='green', ecolor='black')
ax1.set_yticks(y_pos)
ax1.set_yticklabels(educationOrdered[0:60 , 0:1])
ax1.invert_yaxis() # labels read top-to-bottom
ax1.set_xlabel('Cantidad')
ax1.set_title('Education Hombre/Mujeres')
plt.show()