[关闭]
@hainingwyx 2017-05-09T09:32:39.000000Z 字数 26670 阅读 13593

数据挖掘,Python

Python数据分析与挖掘实战--读书笔记

写在之前

如需转载请联系博主
读这本书之前一定觉得很实用很有趣才读的,后来半程的时候发现里面说的不是很严谨,代码也没写好,还存在若干除勘误之外的Bug。书籍提供的部分代码甚至还是跑不起来的。所以越看到后面越看的粗糙了,权当了解性的。所以笔记有错误也难免,欢迎指正!

Python数据分析简介

Python入门

运行:cmd下"python hello.py"

基本命令:

  1. # for 循环
  2. s = 0
  3. for k in range(101): #1-100
  4. s = s + k
  5. print s
  6. # 函数
  7. def add2(x):
  8. return x+2
  9. print add2(1)
  10. def add2(x=0, y=0):
  11. return [x+2, y+2] #返回列表
  12. def add3(x, y):
  13. return x+3, y+3 #双重返回
  14. a,b = add3(1, 2)
  15. # 匿名函数
  16. f = lambda x : x+2 #定义函数f(x)= x+2
  17. g = lambda x, y : x+y #定义函数g(x,y)= x+y, g(1,2)结果为3
  18. # 数据结构
  19. # a, b是列表
  20. # 列表函数cmp(a, b) len(a) max(a) min(a) sum(a) sorted(a)
  21. # 列表对象方法 a.append(1) a.count(1) a.extend([1,2]) a.index(1) a.insert(2,1) a.pop(1)
  22. b = a # b是a的别名
  23. b = a[:] #数据复制
  24. # 列表解析
  25. a = [1, 2, 3]
  26. b = []
  27. for i in a:
  28. b.append(i+2)
  29. # 等价于
  30. a =[1, 2, 3]
  31. b =[i + 2 for i in a]
  32. # 集合
  33. d = {'today' : 20, "tomorrow" : 30} #创建
  34. d['today'] #访问
  35. # 其他创建方法
  36. dict(['today', 20], ['tomorrow', 30])
  37. dict.fromkeys(['today', 'tomorrow'], 20)
  38. # 集合
  39. s = {1, 2, 2, 4}
  40. s = set([1,2,2,4]) #自动去除多余的值
  41. # 函数式编程 lambda, map, reduce, filter
  42. b = map(lambda x :x+2, a)
  43. b = list(b);
  44. #2.x中不需要,3.x中需要,因为map仅仅创建了一个待运行的命令容器,只有其他函数调用时才返回结果
  45. # map命令将函数逐一运用到map列表的每个元素中,,最后返回一个数组,效率比for循环高一点
  46. # reduce函数用于递归运算
  47. reduce(lambda x, y: x*y, range(1, n+1))
  48. # filter 用于筛选列表中符合条件的元素
  49. b = filter(lambda x :x > 5 and x <8, range(10))
  50. b = list(b) # 同map
  51. # 导入库
  52. import math
  53. math.sin(1)
  54. import math as m
  55. m.sin(1)
  56. from math import exp as e
  57. e(1)
  58. sin(1) #出错
  59. from math import * #直接导入,大量导入会引起命名冲突,不建议
  60. exp(1)
  61. sin(1)
  62. # 导入future特征(2.x)
  63. # 将print变为函数形式,即用print(a)格式输出
  64. from __future__ import print_function
  65. # 3.x中3/2=1.5, 3//2=1;2.x中3/2=1
  66. from __future__ import division

第三方库

安装

Windows中

  1. pip install numpy

或者下载源代码安装

  1. python setup.py install

Pandas默认安装不能读写Excel文件,需要安装xlrd和xlwt库才能支持excel的读写

  1. pip install xlrd
  2. pip install xlwt

StatModel可pip可exe安装,注意,此库依赖于Pandas和patsy

Scikit-Learn是机器学习相关的库,但是不包含人工神经网络

  1. model.fit() #训练模型,监督模型fit(X,y),非监督模型fit(X)
  2. # 监督模型接口
  3. model.predict(X_new) #预测新样本
  4. model.predict_proba(X_new) #预测概率
  5. model.score() #得分越高,fit越好
  6. # 非监督模型接口
  7. model.transform() #从数据中学到新的“基空间”
  8. model.fit_transform() #从数据中学到新的基,并按照这组基进行转换

Keras是基于Theano的强化的深度学习库,可用于搭建普通神经网络,各种深度学习模型,如自编码器,循环神经网络,递归神经网络,卷积神经网络。Theano也是一个Python库,能高效实现符号分解,速度快,稳定性好,实现了GPU加速,在密集型数据处理上是CPU的10倍,缺点是门槛太高。Keras的速度在Windows会大打折扣。

Windows下:安装MinGWindows--安装Theano---安装Keras--安装配置CUDA

Gensim用来处理语言方面的任务,如文本相似度计算、LDA、Word2Vec等,建议在Windows下运行。

Linux中

  1. sudo apt-get install python-numpy
  2. sudo apt-get install python-scipy
  3. sudo apt-get install python-matplotlib

使用

Matplotlib默认字体是英文,如果要使用中文标签,

  1. plt.rcParams['font.sans-serif'] = ['SimHei']

保存作图图像时,负号显示不正常:

  1. plt.rcParams['axes.unicode_minus'] = False

数据探索

脏数据:缺失值、异常值、不一致的值、重复数据

异常值分析

  1. 简单统计量分析:超出合理范围的值
  2. 3原则:若正态分布,异常值定义为偏差超出平均值的三倍标准差;否则,可用远离平均值的多少倍来描述。
  3. 箱型图分析:异常值定义为小于或者大于是下四分位数,全部数据有四分之一比他小。是上四分位数。称为四分位数间距,
  1. #-*- coding: utf-8 -*-
  2. import pandas as pd
  3. catering_sale = '../data/catering_sale.xls' #餐饮数据
  4. data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据,指定“日期”列为索引列
  5. import matplotlib.pyplot as plt #导入图像库
  6. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  7. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  8. plt.figure() #建立图像
  9. p = data.boxplot() #画箱线图,直接使用DataFrame的方法
  10. x = p['fliers'][0].get_xdata() # 'flies'即为异常值的标签
  11. y = p['fliers'][0].get_ydata()
  12. y.sort() #从小到大排序,该方法直接改变原对象
  13. #用annotate添加注释
  14. #其中有些相近的点,注解会出现重叠,难以看清,需要一些技巧来控制。
  15. #以下参数都是经过调试的,需要具体问题具体调试。
  16. #xy表示要标注的位置坐标,xytext表示文本所在位置
  17. for i in range(len(x)):
  18. if i>0:
  19. plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))
  20. else:
  21. plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))
  22. plt.show() #展示箱线图

分布分析

定量数据的分布分析:求极差(max-min),决定组距和组数,决定分点,列出频率分布表,绘制频率分布直方图。

定性数据的分布分析:饼图或条形图

对比分析

统计量分析

集中趋势度量:均值、中位数、众数

离中趋势度量:极差、标准差、变异系数、四份位数间距

变异系数为:s表示标准差,表示均值

  1. #-*- coding: utf-8 -*-
  2. #餐饮销量数据统计量分析
  3. from __future__ import print_function
  4. import pandas as pd
  5. catering_sale = '../data/catering_sale.xls' #餐饮数据,一列为日期,一列为销量
  6. data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据,指定“日期”列为索引列
  7. data = data[(data[u'销量'] > 400)&(data[u'销量'] < 5000)] #过滤异常数据
  8. statistics = data.describe() #保存基本统计量
  9. print(statistics)
  10. print("--------------")
  11. statistics.loc['range'] = statistics.loc['max']-statistics.loc['min'] #极差
  12. statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean'] #变异系数
  13. statistics.loc['dis'] = statistics.loc['75%']-statistics.loc['25%'] #四分位数间距
  14. print(statistics)

周期性分析

贡献度分析

又称帕累托分析,原理是帕累托法则,即20/80定律,同样的投入放在不同的地方会产生不同的收益。

  1. #-*- coding: utf-8 -*-
  2. #菜品盈利数据 帕累托图
  3. from __future__ import print_function
  4. import pandas as pd
  5. #初始化参数
  6. dish_profit = '../data/catering_dish_profit.xls' #餐饮菜品盈利数据,菜品ID,菜品名 盈利
  7. data = pd.read_excel(dish_profit, index_col = u'菜品名')
  8. data = data[u'盈利'].copy()#保留两列数据
  9. data.sort(ascending = False)
  10. import matplotlib.pyplot as plt #导入图像库
  11. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  12. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  13. plt.figure()
  14. data.plot(kind='bar')
  15. plt.ylabel(u'盈利(元)')
  16. p = 1.0*data.cumsum()/data.sum()
  17. p.plot(color = 'r', secondary_y = True, style = '-o',linewidth = 2)
  18. plt.annotate(format(p[6], '.4%'), xy = (6, p[6]), xytext=(6*0.9, p[6]*0.9),
  19. arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
  20. #添加注释,即85%处的标记。这里包括了指定箭头样式。
  21. plt.ylabel(u'盈利(比例)')
  22. plt.show()

相关性分析

途径:绘制散点图、散点图矩阵、计算相关系数

Pearson相关系数:要求连续变量的取值服从正态分布。


相关系数r的取值范围
线线线线

Spearman相关系数:不服从正态分布的变量、分类或等级变量之间的关联性可用该系数,也称等级相关系数。


对两个变量分别按照从小到大的顺序排序,得到的顺序就是秩。表示的秩次,表示的秩次。

判定系数:相关系数的平方,用来解释回归方程对y的解释程度。

  1. #-*- coding: utf-8 -*-
  2. #餐饮销量数据相关性分析
  3. from __future__ import print_function
  4. import pandas as pd
  5. catering_sale = '../data/catering_sale_all.xls' #餐饮数据,含有其他属性
  6. data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据,指定“日期”列为索引列
  7. data.corr() #相关系数矩阵,即给出了任意两款菜式之间的相关系数
  8. data.corr()[u'百合酱蒸凤爪'] #只显示“百合酱蒸凤爪”与其他菜式的相关系数
  9. data[u'百合酱蒸凤爪'].corr(data[u'翡翠蒸香茜饺']) #计算“百合酱蒸凤爪”与“翡翠蒸香茜饺”的相关系数

数据探索函数

方法名 函数功能
D.sum() 按列计算总和
D.mean() 计算算数平均
D.var() 方差
D.std() 标准差
D.corr(method = ' pearson') Spearman(Pearson)相关系数矩阵
D.cov() 协方差矩阵
D.skew() 偏度(三阶矩)
D.kurt() 峰度(四阶距)
D.describe() 给出样本的基础描述
  1. D = pd.DataFrame([range(1,8), range(2, 9)])
  2. D.corr(method = 'spearman') #计算相关系数矩阵
  3. S1 = D.loc[0] #提取第一行
  4. S2 = D.loc[1] #提取第二行
  5. S1.corr(S2, method = 'pearson') #计算S1S2的相关系数
  6. D = pd.DataFrame(np.random.randn(6, 5)) #产生6x5的表格
  7. print D.cov()
  8. print D[0].cov(D[1]) #计算第一列和第二列的方差
  9. print D.skew() #D是DataFrame或者Series
  10. print D.describe()
方法名 函数功能
cumsum() 依次给出前1-n个数的和
cumprod() 依次给出前1-n个数的积
cummax() 依次给出前1-n个数的最大值
cummin() 依次给出前1-n个数的最小值
方法名 函数功能
rolling_sum() 按列计算数据样本的总和
rolling_mean() 算数平均数
rolling_var() 方差
rolling_std() 标准差
rolling_corr() 相关系数矩阵
rolling_cov() 协方差
rolling_skew() 偏度
rolling_kurt() 峰度
  1. D = pd.Series(range(0,20))
  2. print D.cumsum()
  3. print pd.rolling_sum(D, 2) #依次对相邻两项求和
方法名 函数功能
plot() 绘制线性二维图,折线图
pie() 绘制饼形图
hist() 绘制二维条形直方图,可现实数据的分配情形
boxplot() 绘制箱型图
plot(logy = True) 绘制y轴的对数图形
plot(yerr = error) 绘制误差条形图
  1. import matplotlib.pyplot as plt #导入图像库
  2. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  3. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  4. plt.figure(figsize = (7, 5)) #创建图像区域,指定比例
  5. plt.show() #显示作图结果
  6. ##################################################################
  7. x = np.linspace(0, 2*np.pi, 50)
  8. y = np.sin(x)
  9. plt.plot(x, y, 'bp--') #蓝色带星虚线plt.show()
  10. ##################################################################
  11. labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
  12. sizes = [15, 30, 45, 10] #每一块的比例
  13. colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']
  14. explode = (0, 0.1, 0, 0)
  15. plt.pie(sizes, explode = explode, labels = labels, colors = colors, autopct =
  16. '%1.1f%%', shadow = True, startangle = 90)
  17. plt.axis('equal') #显示为圆
  18. plt.show()
  19. ##################################################################
  20. x = np.random.randn(1000) #1000个服从正态分布的随机数
  21. plt.hist(x, 10) #分成10组
  22. plt.show()
  23. #################################################################
  24. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  25. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  26. x = np.exp(np.arange(20)) #原始数据
  27. plt.subplot(121)
  28. plt.plot(range(0,20), x, label = u"原始数据图")
  29. plt.legend()
  30. plt.subplot(122)
  31. plt.semilogy(range(0,20), x, label = u"对数数据图")
  32. plt.legend()
  33. plt.show()
  34. ##################################################################
  35. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  36. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  37. error = np.random.random(10) #定义误差条例
  38. y = pd.Series(np.sin(np.arange(10)))
  39. y.plot(yerr = error)
  40. plt.show()

数据预处理

数据清洗

包括:删除原始数据中的无关数据、重复数据,平滑噪声数据,处理缺失值。

拉格朗日插值法:


当插值节点增减时,插值多项式就会发生变化,在实际计算中不方便。

牛顿插值法:是牛顿插值逼近函数,是误差函数


Python的Scipy库中只提供了拉格朗日插值法的函数(实现上比较容易)

  1. #-*- coding: utf-8 -*-
  2. # 插值时存在问题,不同的位置选取的数据点不一样,并且保证最后的数据是正确的
  3. # 目前没有考虑连续脏数据的情况
  4. #拉格朗日插值代码
  5. import pandas as pd #导入数据分析库Pandas
  6. from scipy.interpolate import lagrange #导入拉格朗日插值函数
  7. inputfile = '../data/catering_sale.xls' #销量数据路径
  8. outputfile = '../tmp/sales.xls' #输出数据路径
  9. data = pd.read_excel(inputfile) #读入数据
  10. data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None #过滤异常值,将其变为空值
  11. #自定义列向量插值函数
  12. #s为列向量,n为被插值的位置,k为取前后的数据个数,默认为5,插值不要超过20
  13. def ployinterp_column(s, n, k=5):
  14. y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))] #取数,y是长度为10的列表
  15. y = y[y.notnull()] #剔除空值
  16. return lagrange(y.index, list(y))(n) #插值并返回插值多项式,代入n得到插值结果
  17. #逐个元素判断是否需要插值
  18. k = 2
  19. for i in data.columns:
  20. for j in range(len(data)):
  21. if (data[i].isnull())[j]: #如果为空即插值。
  22. if (j >= k) and (j < len(data) - k):
  23. y = data[i][list(range(j-k, j)) + list(range(j+1, j+1+k))] #取数,y是长度为10的列表
  24. elif j < k :
  25. y = data[i][list(range(0, j)) + list(range(j+1, 2 * k + 1))]
  26. elif j >= len(data) - k:
  27. y = data[i][list(range(len(data) - 1 - 2 * k, j)) + list(range(j+1, len(data)))]
  28. y = y[y.notnull()] #剔除空值
  29. data[i][j] = lagrange(y.index, list(y))(j) #插值并返回插值多项式,代入j得到插值结果
  30. data.to_excel(outputfile) #输出结果,写入文件

数据集成

包括实体识别,冗余属性识别

数据变化

简单函数变换

规范化

  1. 离差标准化(最小最大规范化)

  1. 标准差标准化

  1. 小数定标规范化:属性值映射在之间

  1. #-*- coding: utf-8 -*-
  2. #数据规范化
  3. import pandas as pd
  4. import numpy as np
  5. datafile = '../data/normalization_data.xls' #参数初始化
  6. data = pd.read_excel(datafile, header = None) #读取数据,矩阵
  7. print (data - data.min())/(data.max() - data.min()) #最小-最大规范化,按列出路
  8. print (data - data.mean())/data.std() #零-均值规范化
  9. print data/10**np.ceil(np.log10(data.abs().max())) #小数定标规范化

连续属性离散化

等宽法(至于相同宽度)、等频法(将相同数量的记录放进每个区间)、基于聚类分析的方法(K-means)

  1. import pandas as pd
  2. from sklearn.cluster import KMeans #引入KMeans
  3. import matplotlib.pyplot as plt
  4. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  5. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  6. datafile = '../data/discretization_data.xls' #参数初始化
  7. data = pd.read_excel(datafile) #读取数据
  8. data = data[u'肝气郁结证型系数'].copy()
  9. k = 4 #分为4类
  10. d1 = pd.cut(data, k, labels = range(k)) #等宽离散化,各个类比依次命名为0,1,2,3
  11. #等频率离散化
  12. w = [1.0*i/k for i in range(k+1)] #为describe确定分位数0%,25%,50%,75%,100%
  13. w = data.describe(percentiles = w)[4:4+k+1] #使用describe函数自动计算分位数并取出分位数
  14. w[0] = w[0]*(1-1e-10) #确保比最小值小
  15. d2 = pd.cut(data, w, labels = range(k))
  16. kmodel = KMeans(n_clusters = k, n_jobs = 1) #建立模型,n_jobs是并行数,一般等于CPU数较好
  17. kmodel.fit(data.reshape((len(data), 1))) #训练模型
  18. c = pd.DataFrame(kmodel.cluster_centers_).sort(0) #输出聚类中心,并且排序(默认是随机序的)
  19. w = pd.rolling_mean(c, 2).iloc[1:] #相邻两项求中点,作为边界点
  20. w = [0] + list(w[0]) + [data.max()] #把首末边界点加上
  21. d3 = pd.cut(data, w, labels = range(k))
  22. def cluster_plot(d, k): #自定义作图函数来显示聚类结果
  23. plt.figure(figsize = (8, 3))
  24. for j in range(0, k):
  25. plt.plot(data[d==j], [j for i in d[d==j]], 'o')
  26. plt.ylim(-0.5, k-0.5)
  27. return plt
  28. cluster_plot(d1, k).show()
  29. cluster_plot(d2, k).show()
  30. cluster_plot(d3, k).show()

属性构造:比如利用供入电量和供出电量计算线损率。

  1. #-*- coding: utf-8 -*-
  2. #线损率属性构造
  3. import pandas as pd
  4. #参数初始化
  5. inputfile= '../data/electricity_data.xls' #供入供出电量数据
  6. outputfile = '../tmp/electricity_data.xls' #属性构造后数据文件
  7. data = pd.read_excel(inputfile) #读入数据
  8. data[u'线损率'] = (data[u'供入电量'] - data[u'供出电量'])/data[u'供入电量']
  9. data.to_excel(outputfile, index = False) #保存结果

小波变换

用于非平稳信号的时频分析。基于小波变换的主要方法有:多尺度空间能量分布特征提取、多尺度空间的模极大值特征提取、小波包变换的特征提取、适应性小波神经网络的特征提取。

小波基函数:Harry小波基,db系列小波基,均值为0。积分为0.

小波变换:a是伸缩因子,b是平移因子,对小波基函数进行伸缩和平移变换


任意函数的连续小波变换(CWT)为:

在约束条件下有逆变换:

python中scipy本身提供了信号处理函数,更好的信号处理库是PyWavelets(pywt)。

  1. #小波特征变换提取代码
  2. import pywt #导入PyWavelets
  3. from scipy.io import loadmat #mat是MATLAB专用格式,需要用loadmat读取它
  4. #参数初始化
  5. inputfile= '../data/leleccum.mat' #提取自Matlab的信号文件
  6. mat = loadmat(inputfile)
  7. signal = mat['leleccum'][0]
  8. coeffs = pywt.wavedec(signal, 'bior3.7', level = 5)
  9. #返回结果为level+1个数字,第一个数组为逼近系数数组,后面的依次是细节系数数组

数据规约

属性规约:合并属性,逐步向前选择,逐步向后删除,决策树归纳,主成分分析。

主成分分析步骤:

  1. 设原始变量

    的n次观测数据矩阵为:

  2. 将数据矩阵按列进行中心标准化

  3. 求相关系数矩阵R,



    其中,

  4. 求R的特征方程

    的特征根

  5. 确定主成分个数m:

    根据实际问题确定,一般取0.8

  6. 计算m个相应的单位特征向量:

  7. 计算主成分:

    1. import pandas as pd
    2. from sklearn.decomposition import PCA
    3. #参数初始化
    4. inputfile = '../data/principal_component.xls'
    5. outputfile = '../tmp/dimention_reducted.xls' #降维后的数据
    6. data = pd.read_excel(inputfile, header = None) #读入数据
    7. pca = PCA()
    8. pca.fit(data)
    9. print pca.components_ #返回模型的各个特征向量
    10. print pca.explained_variance_ratio_ #返回各个成分各自的方差百分比
    11. #由上面可以看出前4个已经占了97%
    12. pca = PCA(3)
    13. pca.fit(data)
    14. low_d = pca.transform(data) #降低唯独
    15. pd.DataFrame(low_d).toexcel(outputfile) #保存结果
    16. pca.inverse_transform(low_d) #复原数据

    数值规约:通过选择替代的、较小的数据来减少数据量。

    Python主要数据预处理函数

函数名 函数功能
interpolate 一维、高维数据插值
unique 去除数据终端额重复数据
isnull 判断是否空值
notnull 判断是否非空值
PCA 主成分分析
random 生成随机矩阵
  1. f = scipy.interpolate.lagrange(x,y) #一维数据的拉格朗日插值
  2. f(2) #计算插值结果
  3. ###################################################################
  4. D = pd.Series([1,2,1,3,5])
  5. D.unique()
  6. np.uinque(D) #这时候D可以是list,array,Series
  7. ###################################################################
  8. D.isnull() #D是series对象,返回布尔Series,D[D.isnull()]找到空值
  9. ###################################################################
  10. np.random.rand(k,m,n) #0-1均匀分布
  11. np.random.randn(k,m,n) #标准正态分布

挖掘建模

分类与预测

常用算法:回归分析、决策树、人工神经网络、贝叶斯网络、支持向量机。

Logistic回归

Logistic函数:

回归模型:

  1. #-*- coding: utf-8 -*-
  2. #逻辑回归 自动建模
  3. import pandas as pd
  4. from sklearn.linear_model import LogisticRegression as LR
  5. from sklearn.linear_model import RandomizedLogisticRegression as RLR
  6. #参数初始化
  7. filename = '../data/bankloan.xls'
  8. data = pd.read_excel(filename)
  9. x = data.iloc[:,:8].as_matrix()##变成矩阵
  10. y = data.iloc[:,8].as_matrix()
  11. rlr = RLR() #建立随机逻辑回归模型,筛选变量
  12. rlr.fit(x, y) #训练模型
  13. rlr.get_support() #获取特征筛选结果,也可以通过.scores_方法获取各个特征的分数
  14. print(u'通过随机逻辑回归模型筛选特征结束')
  15. #join() 表示连接,使用逗号,括号内必须是一个对象。如果有多个就编程元组,或是列表。
  16. print(u'有效特征为:%s' % ','.join(data.columns[rlr.get_support()]))
  17. x = data[data.columns[rlr.get_support()]].as_matrix() #筛选好特征
  18. lr = LR() #建立逻辑货柜模型
  19. lr.fit(x, y) #用筛选后的特征数据来训练模型
  20. print(u'逻辑回归模型训练结束。')
  21. print(u'模型的平均正确率为:%s' % lr.score(x, y)) #给出模型的平均正确率,本例为81.4%

Scikit-Learn提供了REF包可以用于特征消除。还提供了REFCV,可以通过交叉验证来对特征进行排序。

决策树

ID3、C4.5、CART算法

ID3:在决策树的各级节点上都用信息增益作为判断标准进行属性的选择,使得在每个节点上都能获得最大的类别分类增益,使分类后的额数据集的熵最小,这样使得树的平均深度最小,从而有效地提高了分类效率。

步骤:

  1. 对当前样本集合,计算所有属性的信息增益
  2. 选择信息增益最大的属性作为测试属性,把测试属性取值相同的样本划为同一个子样本集
  3. 若子样本集的类别只有单个,则分支为叶节点;否则对子样本集循环调用本算法
  1. #-*- coding: utf-8 -*-
  2. #使用ID3决策树算法预测销量高低
  3. import pandas as pd
  4. from sklearn.tree import export_graphviz
  5. from sklearn.externals.six import StringIO
  6. from sklearn.tree import DecisionTreeClassifier as DTC
  7. #参数初始化
  8. inputfile = '../data/sales_data.xls'
  9. data = pd.read_excel(inputfile, index_col = u'序号') #导入数据
  10. #数据是类别标签,要将它转换为数据
  11. #用1来表示“好”、“是”、“高”这三个属性,用-1来表示“坏”、“否”、“低”
  12. data[data == u'好'] = 1
  13. data[data == u'是'] = 1
  14. data[data == u'高'] = 1
  15. data[data != 1] = -1
  16. x = data.iloc[:,:3].as_matrix().astype(int)
  17. y = data.iloc[:,3].as_matrix().astype(int)
  18. dtc = DTC(criterion='entropy') #建立决策树模型,基于信息熵
  19. dtc.fit(x, y) #训练模型
  20. #导入相关函数,可视化决策树。
  21. #导出的结果是一个dot文件,需要安装Graphviz才能将它转换为pdf或png等格式。
  22. with open("tree.dot", 'w') as f:
  23. f = export_graphviz(dtc, feature_names = ['tianqi', 'zhoumo', 'cuxiao'], out_file = f)
  24. #f = export_graphviz(dtc, feature_names = [u'天气', u'周末', u'促销'], out_file = f)
  25. #文本打开指定中文字体
  26. #edge [fontname = "SimHei"];/*添加,指定中文为黑体*/
  27. #node [fontname = "SimHei"];/*添加,指定中文为黑体*/
  28. #安装Graphviz
  29. #在命令行中编译

人工神经网络

  1. #-*- coding: utf-8 -*-
  2. #使用神经网络算法预测销量高低
  3. import pandas as pd
  4. #参数初始化
  5. inputfile = '../data/sales_data.xls'
  6. data = pd.read_excel(inputfile, index_col = u'序号') #导入数据
  7. #数据是类别标签,要将它转换为数据
  8. #用1来表示“好”、“是”、“高”这三个属性,用0来表示“坏”、“否”、“低”
  9. data[data == u'好'] = 1
  10. data[data == u'是'] = 1
  11. data[data == u'高'] = 1
  12. data[data != 1] = 0
  13. x = data.iloc[:,:3].as_matrix().astype(int)
  14. y = data.iloc[:,3].as_matrix().astype(int)
  15. from keras.models import Sequential
  16. from keras.layers.core import Dense, Activation
  17. model = Sequential() #建立模型
  18. model.add(Dense(3, 10))
  19. model.add(Activation('relu')) #用relu函数作为激活函数,能够大幅提供准确度
  20. model.add(Dense(10, 1))
  21. model.add(Activation('sigmoid')) #由于是0-1输出,用sigmoid函数作为激活函数
  22. model.compile(loss = 'binary_crossentropy', optimizer = 'adam', class_mode = 'binary')
  23. #编译模型。由于我们做的是二元分类,所以我们指定损失函数为binary_crossentropy,以及模式为binary
  24. #另外常见的损失函数还有mean_squared_error、categorical_crossentropy等,请阅读帮助文件。
  25. #求解方法我们指定用adam,还有sgd、rmsprop等可选
  26. model.fit(x, y, nb_epoch = 1000, batch_size = 10) #训练模型,学习一千次
  27. yp = model.predict_classes(x).reshape(len(y)) #分类预测
  28. from cm_plot import * #导入自行编写的混淆矩阵可视化函数
  29. cm_plot(y,yp).show() #显示混淆矩阵可视化结果

算法评价:相对误差、均方误差、识别准确度、识别精确率、ROC曲线

聚类分析

K-Means算法

  1. #-*- coding: utf-8 -*-
  2. #使用K-Means算法聚类消费行为特征数据
  3. import pandas as pd
  4. from sklearn.cluster import KMeans
  5. import matplotlib.pyplot as plt
  6. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  7. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  8. #参数初始化
  9. inputfile = '../data/consumption_data.xls' #销量及其他属性数据
  10. outputfile = '../tmp/data_type.xls' #保存结果的文件名
  11. k = 3 #聚类的类别
  12. iteration = 500 #聚类最大循环次数
  13. data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
  14. data_zs = 1.0*(data - data.mean())/data.std() #数据标准化
  15. model = KMeans(n_clusters = k, n_jobs = 1, max_iter = iteration) #分为k类,并发数4
  16. model.fit(data_zs) #开始聚类
  17. #简单打印结果
  18. r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目
  19. r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心
  20. r = pd.concat([r2, r1], axis = 1) #横向连接(0是纵向),得到聚类中心对应的类别下的数目
  21. r.columns = list(data.columns) + [u'类别数目'] #重命名表头
  22. print(r) #打印分类中心和分类数量
  23. #详细输出原始数据及其类别
  24. r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1) #详细输出每个样本对应的类别
  25. r.columns = list(data.columns) + [u'聚类类别'] #重命名表头
  26. r.to_excel(outputfile) #保存分类结果
  27. def density_plot(data): #自定义作图函数
  28. p = data.plot(kind='kde', linewidth = 2, subplots = True, sharex = False)
  29. [p[i].set_ylabel(u'密度') for i in range(k)]
  30. plt.legend()
  31. return plt
  32. pic_output = '../tmp/pd_' #概率密度图文件名前缀
  33. for i in range(k):
  34. density_plot(data[r[u'聚类类别']==i]).savefig(u'%s%s.png' %(pic_output, i))

聚类算法评价:purity评价法、RI评价法、F值评价法

对象名 函数功能
KMeans K均值聚类
AffinityPropagation 吸引力传播聚类
SpectralClustering 谱聚类,由于KMeans
AgglomerativeClustering 层次聚类
DBSCAN 具有噪声的基于密度的聚类算法
MeanShift 均值漂移聚类算法
BIRCH 层次聚类算法,可以处理大规模数据

先用对应的函数建立模型,然后使用fit方法训练模型,之后用label_方法给出样本数据的标签,或者用predict方法预测新的输入的标签。

TENSE:提供一种有效地数据降维的方式,在2维或者3维战士聚类结果。

  1. #-*- coding: utf-8 -*-
  2. #接k_means.py
  3. from sklearn.manifold import TSNE
  4. import matplotlib.pyplot as plt
  5. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  6. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  7. tsne = TSNE()
  8. tsne.fit_transform(data_zs) #进行数据降维
  9. tsne = pd.DataFrame(tsne.embedding_, index = data_zs.index) #转换数据格式
  10. #不同类别用不同颜色和样式绘图
  11. d = tsne[r[u'聚类类别'] == 0]
  12. plt.plot(d[0], d[1], 'r.')
  13. d = tsne[r[u'聚类类别'] == 1]
  14. plt.plot(d[0], d[1], 'go')
  15. d = tsne[r[u'聚类类别'] == 2]
  16. plt.plot(d[0], d[1], 'b*')
  17. plt.show()

关联分析

常用算法:Apriori、FP-Tree、Eclt算法、灰色关联法

Ariori算法

支持度:

,A、B同时发生的概率

置信度:

,A发生B发生的概率

同时满足最小支持度和最小置信度称满足强规则

算法步骤:

  1. 扫描事物集,得到没个候选项的支持度
  2. 比较候选支持度与最小支持度,得到1项频繁集
  3. 产生候选项集,并计算支持度
  4. 比较候选支持度和最小支持度,得到2项频繁集
  5. 类推,直至不能产生新的候选项集
  1. #-*- coding: utf-8 -*-
  2. from __future__ import print_function
  3. import pandas as pd
  4. #自定义连接函数,用于实现L_{k-1}到C_k的连接
  5. def connect_string(x, ms):
  6. x = list(map(lambda i:sorted(i.split(ms)), x))
  7. l = len(x[0])
  8. r = []
  9. for i in range(len(x)):
  10. for j in range(i,len(x)):
  11. if x[i][:l-1] == x[j][:l-1] and x[i][l-1] != x[j][l-1]:
  12. r.append(x[i][:l-1]+sorted([x[j][l-1],x[i][l-1]]))
  13. return r
  14. #寻找关联规则的函数
  15. def find_rule(d, support, confidence, ms = u'--'):
  16. result = pd.DataFrame(index=['support', 'confidence']) #定义输出结果
  17. support_series = 1.0*d.sum()/len(d) #支持度序列
  18. column = list(support_series[support_series > support].index) #初步根据支持度筛选
  19. k = 0
  20. while len(column) > 1:
  21. k = k+1
  22. print(u'\n正在进行第%s次搜索...' %k)
  23. column = connect_string(column, ms)
  24. print(u'数目:%s...' %len(column))
  25. sf = lambda i: d[i].prod(axis=1, numeric_only = True) #新一批支持度的计算函数
  26. #创建连接数据,这一步耗时、耗内存最严重。当数据集较大时,可以考虑并行运算优化。
  27. d_2 = pd.DataFrame(list(map(sf,column)), index = [ms.join(i) for i in column]).T
  28. support_series_2 = 1.0*d_2[[ms.join(i) for i in column]].sum()/len(d) #计算连接后的支持度
  29. column = list(support_series_2[support_series_2 > support].index) #新一轮支持度筛选
  30. support_series = support_series.append(support_series_2)
  31. column2 = []
  32. for i in column: #遍历可能的推理,如{A,B,C}究竟是A+B-->C还是B+C-->A还是C+A-->B?
  33. i = i.split(ms)
  34. for j in range(len(i)):
  35. column2.append(i[:j]+i[j+1:]+i[j:j+1])
  36. cofidence_series = pd.Series(index=[ms.join(i) for i in column2]) #定义置信度序列
  37. for i in column2: #计算置信度序列
  38. cofidence_series[ms.join(i)] = support_series[ms.join(sorted(i))]/support_series[ms.join(i[:len(i)-1])]
  39. for i in cofidence_series[cofidence_series > confidence].index: #置信度筛选
  40. result[i] = 0.0
  41. result[i]['confidence'] = cofidence_series[i]
  42. result[i]['support'] = support_series[ms.join(sorted(i.split(ms)))]
  43. result = result.T.sort(['confidence','support'], ascending = False) #结果整理,输出
  44. print(u'\n结果为:')
  45. print(result)
  46. return result
  47. #######################################################33
  48. #-*- coding: utf-8 -*-
  49. #使用Apriori算法挖掘菜品订单关联规则
  50. from __future__ import print_function
  51. import pandas as pd
  52. from apriori import * #导入自行编写的apriori函数
  53. inputfile = '../data/menu_orders.xls'
  54. outputfile = '../tmp/apriori_rules.xls' #结果文件
  55. data = pd.read_excel(inputfile, header = None)
  56. print(u'\n转换原始数据至0-1矩阵...')
  57. ct = lambda x : pd.Series(1, index = x[pd.notnull(x)]) #1表示逐行转换。转换0-1矩阵的过渡函数
  58. b = map(ct, data.as_matrix()) #用map方式执行,b是list
  59. data = pd.DataFrame(b).fillna(0) #空值用0填充
  60. print(u'\n转换完毕。')
  61. del b #删除中间变量b,节省内存
  62. support = 0.2 #最小支持度
  63. confidence = 0.5 #最小置信度
  64. ms = '---' #连接符,默认'--',用来区分不同元素,如A--B。需要保证原始表格中不含有该字符
  65. find_rule(data, support, confidence, ms).to_excel(outputfile) #保存结果

时序模式

非平稳时间序列分析:许多非平稳序列差分后会显示出平稳序列的性质,这时称之为差分平稳序列,可以先做差分然后用ARMA模型进行拟合。这种方法称之为ARIMA模型。

  1. #-*- coding: utf-8 -*-
  2. #arima时序模型
  3. import pandas as pd
  4. import matplotlib.pyplot as plt
  5. from statsmodels.graphics.tsaplots import plot_acf
  6. from statsmodels.tsa.stattools import adfuller as ADF
  7. from statsmodels.graphics.tsaplots import plot_pacf
  8. from statsmodels.stats.diagnostic import acorr_ljungbox
  9. from statsmodels.tsa.arima_model import ARIMA
  10. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  11. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  12. #参数初始化
  13. discfile = '../data/arima_data.xls'
  14. forecastnum = 5
  15. #读取数据,指定日期列为指标,Pandas自动将“日期”列识别为Datetime格式
  16. data = pd.read_excel(discfile, index_col = u'日期')
  17. #时序图
  18. data.plot()
  19. plt.show()
  20. plt.title('Time Series')
  21. #自相关图
  22. plot_acf(data).show()
  23. #平稳性检测
  24. print(u'原始序列的ADF检验结果为:', ADF(data[u'销量']))
  25. #返回值依次为adf、pvalue、usedlag、nobs、critical values、icbest、regresults、resstore
  26. #差分后的结果
  27. D_data = data.diff().dropna()
  28. D_data.columns = [u'销量差分']
  29. D_data.plot() #时序图
  30. plt.show()
  31. plot_acf(D_data).show() #自相关图
  32. plot_pacf(D_data).show() #偏自相关图
  33. print(u'差分序列的ADF检验结果为:', ADF(D_data[u'销量差分'])) #平稳性检测
  34. #白噪声检验
  35. print(u'差分序列的白噪声检验结果为:', acorr_ljungbox(D_data, lags=1)) #返回统计量和p值
  36. data[u'销量'] = data[u'销量'].astype(float)
  37. #定阶
  38. pmax = int(len(D_data)/10) #一般阶数不超过length/10
  39. qmax = int(len(D_data)/10) #一般阶数不超过length/10
  40. bic_matrix = [] #bic矩阵
  41. for p in range(pmax+1):
  42. tmp = []
  43. for q in range(qmax+1):
  44. try: #存在部分报错,所以用try来跳过报错。
  45. tmp.append(ARIMA(data, (p,1,q)).fit().bic)
  46. except:
  47. tmp.append(None)
  48. bic_matrix.append(tmp)
  49. bic_matrix = pd.DataFrame(bic_matrix) #从中可以找出最小值
  50. p,q = bic_matrix.stack().idxmin() #先用stack展平,然后用idxmin找出最小值位置。
  51. print(u'BIC最小的p值和q值为:%s、%s' %(p,q))
  52. model = ARIMA(data, (p,1,q)).fit() #建立ARIMA(0, 1, 1)模型
  53. model.summary2() #给出一份模型报告
  54. model.forecast(5) #作为期5天的预测,返回预测结果、标准误差、置信区间。
函数名 函数功能
acf 计算自相关系数
plot_acf 画自相关系数图
pacf 计算偏相关系数
plot_pacf 画图
adfuller 单位根检验
diff 差分运算
ARIMA 创建模型
summary 给出ARIMA模型的报告
aic/bic/hqic 计算ARIMA模型的指标
forecast 预测
acorr_ljungbox Ljung-Box检验,是否白噪声
  1. autocorr = acf(data, unbiased = False, nlags = 40, qstat = False, fft = False, alpha = False)
  2. # data 为观测值序列(时间序列),可以是DataFrame或者Series
  3. h = adfuller(Series, maxlag = None, Regression = 'c', autolog = 'AIC', store = False, regresults =False)
  4. D.diff() #D为Pandas的DataFrame或Series
  5. arima = ARIMA(data, (p, 1, q)).fit() #data为输入的时间序列,p,q为对应的阶
  6. amima.summary() #返回一份格式化的模型报告
  7. arima.bic
  8. a,b,c = arima.forecast(num) #num为要预测的天数,a为返回的预测值,b为预测误差,c为置信区间

离群点检测

方法:基于统计、基于邻近度、基于密度、基于聚类。

基于统计:一元正态分布若数据点在3倍标准差之外。

混合模型的离群点检测:数据的统计分布未知或者没有训练数据可用,很难建立模型。

基于原型的聚类:聚类所有的对象,然后评估对象属于簇的程度。如果删除一个对象导师制该目标显著改进,则可将该对象视为离群点。离群点可能形成小簇从而逃避检测。

  1. #-*- coding: utf-8 -*-
  2. #使用K-Means算法聚类消费行为特征数据
  3. import numpy as np
  4. import pandas as pd
  5. from sklearn.cluster import KMeans
  6. import matplotlib.pyplot as plt
  7. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  8. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  9. #参数初始化
  10. inputfile = '../data/consumption_data.xls' #ID 和三个属性
  11. k = 3 #聚类的类别
  12. threshold = 2 #离散点阈值
  13. iteration = 500 #聚类最大循环次数
  14. data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
  15. data_zs = 1.0*(data - data.mean())/data.std() #数据标准化
  16. model = KMeans(n_clusters = k, n_jobs = 1, max_iter = iteration) #分为k类,并发数4
  17. model.fit(data_zs) #开始聚类
  18. #标准化数据及其类别
  19. r = pd.concat([data_zs, pd.Series(model.labels_, index = data.index)], axis = 1) #每个样本对应的类别
  20. r.columns = list(data.columns) + [u'聚类类别'] #重命名表头
  21. norm = []
  22. for i in range(k): #逐一处理
  23. norm_tmp = r[['R', 'F', 'M']][r[u'聚类类别'] == i]-model.cluster_centers_[i]
  24. norm_tmp = norm_tmp.apply(np.linalg.norm, axis = 1) #求出绝对距离
  25. norm.append(norm_tmp/norm_tmp.median()) #求相对距离并添加
  26. norm = pd.concat(norm) #合并
  27. norm[norm <= threshold].plot(style = 'go') #正常点
  28. discrete_points = norm[norm > threshold] #离群点
  29. discrete_points.plot(style = 'ro')
  30. for i in range(len(discrete_points)): #离群点做标记
  31. id = discrete_points.index[i]
  32. n = discrete_points.iloc[i]
  33. plt.annotate('(%s, %0.2f)'%(id, n), xy = (id, n), xytext = (id, n))#有标注的点是离群点
  34. plt.xlabel(u'编号')
  35. plt.ylabel(u'相对距离')
  36. plt.show()

电力窃漏电用户自动识别

数据分析

  1. 分布分析:用户类别窃漏电情况分布发现,非居民类不存在漏电情况。故可清理
  2. 周期性分析:找到一个正常的用户和漏电用户,分别观察规律。发现正常用户有明显的周期性。

数据预处理

  1. 数据清洗:过滤掉非居民类的数据和节假日数据。
  2. 缺失值处理:拉格朗日插补法进行插补
  3. 数据变换:用电趋势指标、5天平均线损率、告警指标计数

模型构建

  1. 用LM神经网络和CART决策树模型建模
  2. ROC曲线比较性能

航空公司客户价值分析

数据分析:缺失值分析和异常值分析,异常值看最大和最小值

数据预处理

  1. 数据清洗,丢弃缺失值、票价为0折扣率不为0的数据
  2. 属性规约,删除不相关或者弱相关属性
  3. 数据变换:计算指标,并对数据进行标准化处理

模型构建

  1. K-Means算法对客户数据进行分群,分为5类。
  2. 结合图表对结果进行分析

中医证型关联规则挖掘

数据预处理

  1. 数据清洗:删除整理无效问卷
  2. 属性规约:将冗余属性和无关属性删除
  3. 数据变换:构造属性,并将属性离散化

模型构建

采用Apriori关联规则算法对模型的样本数据进行分析,以模型参数设置的最小支持度和最小置信度作为条件,输出关联规则结果。

基于水色图像的水质评价

数据预处理

  1. 图像切割:提取水样图像中间部分具有代表意义的图像
  2. 特征提取:颜色的一阶、二阶、三阶矩

模型构建

为提高区分度,将所有特征乘以常数k。然后建立支持向量机模型。

水质评价

对新增的水质图像作评价。

家用电器用户行为分析与事件识别

数据预处理

  1. 数据规约:去除无用的属性和状态
  2. 数据变换:确定用水事件的阈值
  3. 数据清洗

模型构建:训练神经网络

模型检验:使用测试数据

应用系统负载分析与磁盘容量预测

数据分析:通过时序图观察数据的平稳性和周期性

数据预处理

  1. 数据清洗:删除重复值
  2. 属性构造:合并属性

模型构建

  1. 检验平稳性,单位根检验
  2. 白噪声检验
  3. 模型识别:采用极大似然比方法进行模型的参数估计,采用BIC信息准则对模型进行定阶。ARIMA(0,1,1)
  4. 模型检验:检验模型残差序列是否为白噪声如果不是,说明还有未提取的有用信息,需要修改模型。

模型评价:计算平均绝对误差,均方根误差

电子商务网站用户行为分析及服务推荐

数据抽取:建立数据库--导入数据--搭建Python数据库操作环境

数据分析

  1. 网页类型分析
  2. 点击次数分析
  3. 网页排名

数据预处理

  1. 数据清洗:删除数据(中间页面网址、发布成功网址、登录助手页面)
  2. 数据变化:识别翻页网址并去重,错误分类网址手动分类,并进一步分类
  3. 属性规约:只选择用户和用户选择的网页数据

模型构建

基于物品的协同滤波算法:计算物品之间的相似度,建立相似度矩阵;根据物品的相似度和用户的历史行为给用户生成推荐列表。

相似度计算方法:夹角余弦、Jaccard系数、相关系数

财政收入影响因素分析及预测模型

数据分析

  1. 描述性统计分析
  2. 相关分析

模型构建

对于财政收入、增值税、营业税、企业所得税、政府性基金、个人所得税

  1. Adaptive-Lasso变量选择模型:去除无关变量
  2. 分别建立灰色预测模型与神经网络模型

基于基站定位数据的商圈分析

数据预处理

  1. 属性规约:删除冗余属性,合并时间属性
  2. 数据变换:计算工作日人均停留时间、凌晨、周末、日均等指标,并标准化。

模型构建

  1. 构建商圈聚类模型:采用层次聚类算法
  2. 模型分析:对聚类结果进行特征观察

电商产品评论数据情感分析

文本采集:八爪鱼采集器(爬虫工具)

文本预处理

  1. 文本去重:自动评价、完全重复评价、复制的评论
  2. 机械压缩去词:
  3. 删除短句

文本评论分词:采用Python中文分词包“Jieba”分词,精度达97%以上。

模型构建

  1. 情感倾向性模型:生成词向量;评论集子集的人工标注与映射;训练栈式自编码网络
  2. 基于语义网络的评论分析
  3. 基于LDA模型的主题分析
添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注