本人已参与【新人创作礼】活动，一起开启掘金创作之路。

✨博文作者 wangzirui32
💖 喜欢的可以 点赞 收藏 关注哦~~
👏 我的第162篇原创作品
👉本文首发于CSDN，未经许可禁止转载

---

hello，大家好，我是wangzirui32，今天我们来学习如何对国内生产总值进行分析预测，开始学习吧！

1. 数据来源

数据涵盖范围为2010-2021的国内生产总值csv文件，来自国家统计局官方数据：

依次选择时间（2010-2021），下载CSV文件，分别命名为2010.csv，2011.csv（年份+.csv），结果如下：

2. 清洗数据文件

2010年的数据文件内容如下：

可以看到，真正的数据是在文件的第3行开始到倒数第6行，我们需要对其数据进行提取，并且进行gbk编码转换（源文件是gbk编码，需求是UTF8编码），将数据文件放入datafiles文件夹中，再在这个目录的上层目录创建Python文件collate_data.py，写入代码：

import os
import codecs

for i in os.listdir("datafiles"):
    path = "datafiles/{}".format(i)

    try:
	    # 把数据文件的gbk编码转换为utf-8
        with codecs.open(path, "rb", "gb2312") as f:
            content = f.read()
        with codecs.open(path, "wb", "utf-8") as f:
            f.write(content)
    except: pass
    # 数据文件的介绍信息去除
    with codecs.open(path, "rb", "utf-8") as f:
        new_content = f.readlines()[2:-5]
    with codecs.open(path, "wb", "utf-8") as f:
        f.writelines(new_content)

执行这段代码，数据就清洗完毕了。

3. 分析

这里借助pandas读取数据，matplotlib绘制统计图进行分析，安装库命令：

pip install pandas matplotlib

3.1 折线统计图

代码如下：

import pandas
import matplotlib
import matplotlib.pyplot as plt
import os

# 提取数据
gdp_Q1 = []        # 第一季度gdp
gdp_Q2 = []        # 第二季度gdp
gdp_Q3 = []        # 第三季度gdp
gdp_Q4 = []        # 第四季度gdp
gdp_all_year = []  # 全年gdp
years = []         # 所有年份

# 解决中文乱码
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 读取每个文件中的数据
for filename in os.listdir("datafiles"):
    year = filename.split(".")[0]
    path = "datafiles/{}".format(filename)
    df = pandas.read_csv(path)
    df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']
  
    gdp_Q1.append(df['第一季度'][0])
    gdp_Q2.append(df['第二季度'][0])
    gdp_Q3.append(df['第三季度'][0])
    gdp_Q4.append(df['第四季度'][0])
    gdp_all_year.append(df['第四季度'][1])

    years.append(year)
# 绘制统计图

Q1_line, = plt.plot(years, gdp_Q1, color="blue")
Q2_line, = plt.plot(years, gdp_Q2, color="pink")
Q3_line, = plt.plot(years, gdp_Q3, color="green")
Q4_line, = plt.plot(years, gdp_Q4, color="orange")
all_year_line, = plt.plot(years, gdp_all_year, color="red")

plt.title("2010-2021国内生产总值分析预测")
plt.xlabel("年份")
plt.ylabel("国内生产总值（亿元）")
plt.xticks(years)

plt.legend([Q1_line, Q2_line, Q3_line, Q4_line, all_year_line],
            ['第一季度','第二季度', '第三季度', '第四季度', '全年总值'],
            loc='upper right')

plt.show()

效果如下：

3.2 柱形统计图

代码如下：

import pandas
import matplotlib
import matplotlib.pyplot as plt
import os

# 提取数据
gdp_all_year = []  # 全年gdp
years = []         # 所有年份

# 解决中文乱码
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 读取每个文件中的数据
for filename in os.listdir("datafiles"):
    year = filename.split(".")[0]
    path = "datafiles/{}".format(filename)
    df = pandas.read_csv(path)
    df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']

    gdp_all_year.append(df['第四季度'][1])
    years.append(year)

  

# 绘制统计图
plt.bar(years, gdp_all_year, width=0.5, label="numbers")
all_year_line, = plt.plot(years, gdp_all_year, color="red")
plt.title("2010-2021国内生产总值分析", loc="center")
plt.xlabel("年份", fontsize=14)
plt.ylabel("国内生产总值（亿元）", fontsize=14)

plt.show()

效果如下：

可以看到，2020年因为疫情原因，生产总值有所下降，但近年来总体情况还是呈上涨态势的。

4. 拟合线性回归方程

下面我们将使用sklearn机器学习库来拟合线性回归方程，它的安装命令如下：

pip install scikit-learn

4.1 以第1季度作为参数

思路如下，我们使用sklearn库拟合线性回归方程，以第1季度作为参数，生成预测的方程，代码如下：

import pandas
import matplotlib
import matplotlib.pyplot as plt
import os
from sklearn import linear_model

# 提取数据
gdp_Q1 = []        # 第一季度gdp
gdp_Q2 = []        # 第二季度gdp
gdp_all_year = []  # 全年gdp
years = []         # 所有年份

# 解决中文乱码
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 读取每个文件中的数据
for filename in os.listdir("datafiles"):
    year = filename.split(".")[0]
    path = "datafiles/{}".format(filename)
    df = pandas.read_csv(path)
    df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']
  
    gdp_Q1.append(df['第一季度'][0])
    gdp_Q2.append(df['第二季度'][0])
    gdp_all_year.append(df['第四季度'][1])
    years.append(year)
# 绘制统计图
Q1_line, = plt.plot(years, gdp_Q1, color="blue")
Q2_line, = plt.plot(years, gdp_Q2, color="pink")
all_year_line, = plt.plot(years, gdp_all_year, color="red")

plt.title("2010-2021国内生产总值分析预测")
plt.xlabel("年份")
plt.ylabel("国内生产总值（亿元）")
plt.xticks(years)

# 拟定方程
# 创建线性回归模型
model = linear_model.LinearRegression()

model.fit(list(zip(gdp_Q1)), gdp_all_year)
# 获取系数
coef = model.coef_
# 获取截距
intercept = model.intercept_
# 方程
equation = "y = x*{} + {}".format(coef[0], intercept)
print("线性回归方程:", equation)
# 计算方程数据
forecast_value = [i*coef[0]+intercept for i in gdp_Q1]
# 绘制方程折线
forecast_line, = plt.plot(years, forecast_value, color="green")

plt.legend([Q1_line, Q2_line, all_year_line, forecast_line],
            ['第一季度','第二季度', '全年总值', '方程模拟'],
            loc='upper right')

plt.show()

效果如下：

可以看到，方程基本拟合曲线，但因为2020年疫情第一季度生产总值下滑，进而预测的全年数据也产生了较大落差，这怎么办呢？

4.2 以第1,2季度作为参数

我们可以以第1,2季度作为参数，代码如下：

import pandas
import matplotlib
import matplotlib.pyplot as plt
import os
from sklearn import linear_model

# 提取数据
gdp_Q1 = []        # 第一季度gdp
gdp_Q2 = []        # 第二季度gdp
gdp_all_year = []  # 全年gdp
years = []         # 所有年份

# 解决中文乱码
matplotlib.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 读取每个文件中的数据
for filename in os.listdir("datafiles"):
    year = filename.split(".")[0]
    path = "datafiles/{}".format(filename)
    df = pandas.read_csv(path)
    df.columns = ['指标','第四季度', '第三季度', '第二季度', '第一季度']

    gdp_Q1.append(df['第一季度'][0])
    gdp_Q2.append(df['第二季度'][0])
    gdp_all_year.append(df['第四季度'][1])
    years.append(year)

# 绘制统计图
Q1_line, = plt.plot(years, gdp_Q1, color="blue")
Q2_line, = plt.plot(years, gdp_Q2, color="pink")
all_year_line, = plt.plot(years, gdp_all_year, color="red")

plt.title("2010-2021国内生产总值分析预测")
plt.xlabel("年份")
plt.ylabel("国内生产总值（亿元）")
plt.xticks(years)

# 拟定方程
model = linear_model.LinearRegression()
model.fit(list(zip(gdp_Q1, gdp_Q2)), gdp_all_year)
coef = model.coef_
intercept = model.intercept_
equation = "y = x1*{} + x2*{} + {}".format(coef[0], coef[1], intercept)

print("线性回归方程:", equation)

# 计算预测结果
forecast_value = [i[0]*coef[0]+i[1]*coef[1]+intercept for i in list(zip(gdp_Q1, gdp_Q2))]
forecast_line, = plt.plot(years, forecast_value, color="green")

plt.legend([Q1_line, Q2_line, all_year_line, forecast_line],
            ['第一季度','第二季度', '全年总值', '方程模拟'],
            loc='upper right')

plt.show()

效果如下：

可以看到，这个方程的拟合结果十分不错，可以将它作为预测的方程。
线性回归方程为：

y = x1*0.20405068090604006 + x2*3.8656156020304238 + 9671.424027125235

等价于：

国内生产总值 = 第一季度生产总值*0.20405068090604006 + 第二季度生产总值*3.8656156020304238 + 9671.424027125235

这就完成了整个分析预测的流程。

---

🎉🎉🎉 好了，今天的课程就到这里，我是wangzirui32，喜欢的可以点个收藏和关注，我们下次再见！

高性能云服务器

精品线路独享带宽，毫秒延迟，年中盛惠 1 折起