python计算双色球数字概率_python绘制双色球走势图

python计算双色球数字概率_python绘制双色球走势图本次将进行下期双色球号码的预测,想想有些小激动啊。代码中使用了线性回归算法,这个场景使用这个算法,预测效果一般,各位可以考虑使用其他算法尝试结果。#!/usr/bin/python#-*-coding:UTF-8-*-#导入需要的包importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

友情提示:双色球预测分析只为练习技术,不要抱着预测中大奖的心态,不可能预测准确。
python数据分析1:获取双色球历史信息
python数据分析2:双色球 蓝红球分析统计
python数据分析3:双色球 单个红和蓝球哪个比例高
python数据分析4:双色球 两个红和蓝球哪组合比例高
python数据分析5:双色球 两个红球哪组合比例高
python数据分析6:双色球 使用线性回归算法预测下期中奖结果
 

本次将进行下期双色球号码的预测,想想有些小激动啊。

代码中使用了线性回归算法,这个场景使用这个算法,预测效果一般,各位可以考虑使用其他算法尝试结果。

发现之前有很多代码都是重复的工作,为了让代码看的更优雅,定义了函数,去调用,顿时高大上了

#!/usr/bin/python
# -*- coding:UTF-8 -*-

#导入需要的包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import operator
from sklearn import datasets,linear_model
from sklearn.linear_model import LogisticRegression

#读取文件
df = pd.read_table('newdata.txt',header=None,sep=',')

#读取日期
tdate = sorted(df.loc[:,0])

#将以列项为数据,将球号码取出,写入到csv文件中,并取50行数据
# Function to red number to csv file
def RedToCsv(h_num,num,csv_name):
    h_num = df.loc[:,num:num].values
    h_num = h_num[50::-1]
    renum2 = pd.DataFrame(h_num)
    renum2.to_csv(csv_name,header=None)
    fp = file(csv_name)
    s = fp.read()
    fp.close()
    a = s.split('\n')
    a.insert(0, 'numid,number')
    s = '\n'.join(a)
    fp = file(csv_name, 'w')
    fp.write(s)
    fp.close()

#调用取号码函数
# create file
RedToCsv('red1',1,'rednum1data.csv')
RedToCsv('red2',2,'rednum2data.csv')
RedToCsv('red3',3,'rednum3data.csv')
RedToCsv('red4',4,'rednum4data.csv')
RedToCsv('red5',5,'rednum5data.csv')
RedToCsv('red6',6,'rednum6data.csv')
RedToCsv('blue1',7,'bluenumdata.csv')


#获取数据,X_parameter为numid数据,Y_parameter为number数据
# Function to get data
def get_data(file_name):
    data = pd.read_csv(file_name)
    X_parameter = []
    Y_parameter = []
    for single_square_feet ,single_price_value in zip(data['numid'],data['number']):
        X_parameter.append([float(single_square_feet)])
        Y_parameter.append(float(single_price_value))
    return X_parameter,Y_parameter


#训练线性模型
# Function for Fitting our data to Linear model
def linear_model_main(X_parameters,Y_parameters,predict_value):
    # Create linear regression object
    regr = linear_model.LinearRegression()
    #regr = LogisticRegression()
    regr.fit(X_parameters, Y_parameters)
    predict_outcome = regr.predict(predict_value)
    predictions = {}
    predictions['intercept'] = regr.intercept_
    predictions['coefficient'] = regr.coef_
    predictions['predicted_value'] = predict_outcome
    return predictions


#获取预测结果函数
def get_predicted_num(inputfile,num):
    X,Y = get_data(inputfile)
    predictvalue = 51
    result = linear_model_main(X,Y,predictvalue)
    print "num "+ str(num) +" Intercept value " , result['intercept']
    print "num "+ str(num) +" coefficient" , result['coefficient']
    print "num "+ str(num) +" Predicted value: ",result['predicted_value']


#调用函数分别预测红球、蓝球
get_predicted_num('rednum1data.csv',1)
get_predicted_num('rednum2data.csv',2)
get_predicted_num('rednum3data.csv',3)
get_predicted_num('rednum4data.csv',4)
get_predicted_num('rednum5data.csv',5)
get_predicted_num('rednum6data.csv',6)

get_predicted_num('bluenumdata.csv',1)


# 获取X,Y数据预测结果
# X,Y = get_data('rednum1data.csv')
# predictvalue = 21
# result = linear_model_main(X,Y,predictvalue)
# print "red num 1 Intercept value " , result['intercept']
# print "red num 1 coefficient" , result['coefficient']
# print "red num 1 Predicted value: ",result['predicted_value']


# Function to show the resutls of linear fit model
def show_linear_line(X_parameters,Y_parameters):
    # Create linear regression object
    regr = linear_model.LinearRegression()
    #regr = LogisticRegression()
    regr.fit(X_parameters, Y_parameters)
    plt.figure(figsize=(12,6),dpi=80)
    plt.legend(loc='best')
    plt.scatter(X_parameters,Y_parameters,color='blue')
    plt.plot(X_parameters,regr.predict(X_parameters),color='red',linewidth=4)
    plt.xticks(())
    plt.yticks(())
    plt.show()

#显示模型图像,如果需要画图,将“获取X,Y数据预测结果”这块注释去掉,“调用函数分别预测红球、蓝球”这块代码注释下
# show_linear_line(X,Y)

画图结果:

python计算双色球数字概率_python绘制双色球走势图

预测2016-05-15开奖结果:

实际开奖结果:05 06 10 16 22 26  11

以下为预测值:

#取5个数,计算的结果
num 1 Intercept value  5.66666666667
num 1 coefficient [-0.6]
num 1 Predicted value:  [ 2.06666667]
num 2 Intercept value  7.33333333333
num 2 coefficient [ 0.2]
num 2 Predicted value:  [ 8.53333333]
num 3 Intercept value  14.619047619
num 3 coefficient [-0.51428571]
num 3 Predicted value:  [ 11.53333333]
num 4 Intercept value  17.7619047619
num 4 coefficient [-0.37142857]
num 4 Predicted value:  [ 15.53333333]
num 5 Intercept value  21.7142857143
num 5 coefficient [ 1.11428571]
num 5 Predicted value:  [ 28.4]
num 6 Intercept value  28.5238095238
num 6 coefficient [ 0.65714286]
num 6 Predicted value:  [ 32.46666667]
num 1 Intercept value  9.57142857143
num 1 coefficient [-0.82857143]
num 1 Predicted value:  [ 4.6]

四舍五入结果:
2 9 12 16 28 33 5

#取12个数,计算的结果四舍五入:
3 7 12 15 24 30 7

#取15个数,计算的结果四舍五入:
4 7 13 15 25 31 7

#取18个数,计算的结果四舍五入:
4 8 13 16 23 31 8

#取20个数,计算的结果四舍五入:
4 7 12 22 24 27 10

#取25个数,计算的结果四舍五入:
7 8 13 17 24 30 6

#取50个数,计算的结果四舍五入:
4 10 14 18 23 29 8

#取100个数,计算的结果四舍五入:
5 11 15 19 24 29 8

#取500个数,计算的结果四舍五入:
5 10 15 20 24 29 9

#取1000个数,计算的结果四舍五入:
5 10 14 19 24 29 9

#取1939个数,计算的结果四舍五入:
5 10 14 19 24 29 9

看来预测中奖真是有些难度,随机性太高,双色球预测案例,只是为了让入门数据分析的朋友有些思路,要想中大奖还是有难度的,多做好事善事多积德行善吧。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/171743.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • javascript飞机大战游戏_javascript游戏开发

    javascript飞机大战游戏_javascript游戏开发系列目录1.JavaScript贪吃蛇游戏2.JavaScript俄罗斯方块3.JavaScript扫雷小游戏4.JavaScript网红太空人表盘引言:之前我有用Java写过一个飞机大战,感觉挺受欢迎的,有的小伙伴想用Javasript写,我这次就按我的思路写了一个版本。实现思路分2张画布来实现,画布1仅仅用来绘制背景图,画布2用来绘制游戏相关的动态内容。创建我方飞机定时创建敌机开启主线程,用来刷新画布2.代码实现编写页面<!DOCTYPEhtml&

  • pycharm 2022.01 激活(注册激活)2022.01.27「建议收藏」

    (pycharm 2022.01 激活)好多小伙伴总是说激活码老是失效,太麻烦,关注/收藏全栈君太难教程,2021永久激活的方法等着你。IntelliJ2021最新激活注册码,破解教程可免费永久激活,亲测有效,下面是详细链接哦~https://javaforall.cn/100143.html1TCF2R91JZ-eyJsaWNlbnNlSWQi…

  • java的守护线程和非守护线程区别_java守护线程应用场景

    java的守护线程和非守护线程区别_java守护线程应用场景一、守护线程    java分为两种线程:用户线程和守护线程    守护线程是指在程序运行的时候在后台提供一种通用服务的线程,比如垃圾回收线程就是一个很称职的守护者,并且这种线程并不属于程序中不可或缺的部分。因此,当所有的非守护线程结束时,程序也就终止了,同时会杀死进程中的所有守护线程。反过来说,只要任何非守护线程还在运行,程序就不会终止。    守护线程和用户…

    2022年10月15日
  • oracle11g详细安装教程_oracle11g32位安装

    oracle11g详细安装教程_oracle11g32位安装1、首先从http://www.oracle.com/technetwork/database/enterprise-edition/downloads/index.html下载合适的oracle数据库版本。2、解压压缩包,点击setup.exe,开始安装,一下为安装步骤的截图:口令:oracle11g第四步如果不是集群服务器要选择单实例数据库安装。

  • idea2021.3.3激活码获取【2021最新】

    (idea2021.3.3激活码获取)这是一篇idea技术相关文章,由全栈君为大家提供,主要知识点是关于2021JetBrains全家桶永久激活码的内容https://javaforall.cn/100143.htmlIntelliJ2021最新激活注册码,破解教程可免费永久激活,亲测有效,上面是详细链接哦~AERNFLMXDO-eyJsaWNlb…

  • 从零和使用mxnet实现dropout

    需求:从零和使用mxnet实现dropout数据集:使用load_digits()手写数字数据集要求:使用1个掩藏层n_hidden1=36,激活函数为relu,损失函数为softmax

    2021年12月30日

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号