一、实验目的

使用R软件对车辆重量与油耗之间关系的数据集mtcars，说明数据进行可视化的操作。
使用Python pandas程序包的函数pd.read_csv()，进行数据导入操作。
使用Python matplotlib.pyplot程序包的函数plot()，进行数据可视化操作。
数据可视化的进阶操作:合倂使用Python sklearn.linear_model 程序包的函数LinearRegression()进行绘图操作。
列出实验结果包含绘图或截图以及完整代码包含注解。
二、实验内容
说明 1: 举一个R软件对车辆重量与油耗之间关系的数据集mtcars进行可视化说明，共有32个车型，即32笔纪录，字段有mpg（油耗）、cyl（汽缸数）、disp、hp、drat、wt（质量）、qsec、vs、am、gear和 carb，内容如下：

说明 4: 使用R函数attach()将原始数据集mtcars，导入R工作空间。
说明 5: 使用R函数write.table()将数据集mtcars 导出至工作目录。
说明 6: 使用Python pandas程序包的函数pd.read_csv()，进行数据导入操作。
说明 7: 使用Python matplotlib.pyplot程序包的函数plot()，进行数据可视化操作。
说明 8: 使用Python sklearn.linear_model 程序包的函数LinearRegression()进行进阶的数据可视化操作，合倂绘图操作。
说明 9: 列出实验结果包含绘图以及完整代码包含注解。

扩展:（选做）
扩展说明 1: 增加变量cyl（汽缸数），将数据集mtcars依据汽缸数分三个子类，再依据说明6到9做一遍。参考Python代码如下:
carsdata1=carsdata[carsdata[‘cyl’]==4]
carsdata2=carsdata[carsdata[‘cyl’]==6]
carsdata3=carsdata[carsdata[‘cyl’]==8]

三、实验报告

1. 实验环境：

Win10

2. 实验内容与完成情况：

1）实验参考代码

参考R代码导出数据集mtcars如下:
attach(mtcars)
write.table(mtcars, “mtcars.txt”, quote=F, row.names=T)

参考Python代码
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LinearRegression
data_url = (“Add your working path/mtcars.txt”)
carsdata = pd.read_csv(data_url,delimiter=’ ‘)
print(carsdata.head(n=10))
print(carsdata.tail(n=10))
summary = carsdata.describe()
print(summary)
model = LinearRegression(fit_intercept=True)
x=carsdata[‘wt’]
y=carsdata[‘mpg’]
model.fit(x[:, np.newaxis], y)
xfit = np.linspace(1, 6, 32)
yfit = model.predict(xfit[:, np.newaxis])
plt.plot(x,y,”go”)
plt.plot(xfit,yfit,”r—“)
plt.title(‘The relationship between car weight and fuel consumption’)
plt.xlabel(‘wt’)
plt.ylabel(‘mpg’)
plt.savefig(‘mtcars.plot.png’)
plt.savefig(‘mtcars.plot.pdf’)
plt.show()