#第４回コード例

####################################################
#p11
#データ解析用モジュール
import pandas as pd
#日本語フォントのインストール
!pip install japanize-matplotlib
#グラフ描画用モジュール
import matplotlib.pyplot as plt
import japanize_matplotlib

####################################################
#p13

#pandasのインポート
import pandas as pd

file = pd.ExcelFile("kaiki.xlsx")
data = file.parse("Sheet1")
data.head()

####################################################
#p14

#plot.scatterメソッドで散布図が描けます。
#xはx軸の列名、yはy軸の列名、figsizeはグラフの横縦のサイズです。
#axにはグラフのオブジェクト（サブプロットと呼ばれる）が代入されます。
ax = data.plot.scatter(x="床面積", y="家賃", figsize=(5, 3))

####################################################
#p16

#LinearRegressionクラスのインポート
from sklearn.linear_model import LinearRegression

#LinearRegressionオブジェクトの生成
reg = LinearRegression()

x = data["床面積"].values.reshape(-1, 1)
y = data["家賃"]

#学習してパラメータを計算
reg.fit(x, y)
#傾きと切片の表示
print("傾き", reg.coef_[0])
print("切片", reg.intercept_)

####################################################
#p17

#傾きをa、切片をbに代入
a = reg.coef_[0]
b = reg.intercept_

ax = data.plot.scatter(x="床面積", y="家賃", figsize=(5, 3))
#xが15から31までで直線を描く
ax.plot([15, 31], [a*15+b, a*31+b]) 
#回帰直線の方程式をannotateメソッドで描く
ax.annotate("y={0:.1f}x+{1:.1f}".format(a, b), xy=(16, 80000), size=12)
plt.show()

####################################################
#p18

print(reg.score(x,y))

print(a * 25 + b)

####################################################
#p19

ax.annotate("y={:.1f}x+{:.1f}".format(a, b), xy=(16, 80000), size=12)

ax.annotate("y= %.1f x+ %.1f" % (a, b), xy=(16, 80000), size=12)

####################################################
#p22

import seaborn as sb

sb.set(style="whitegrid", context="notebook", font="IPAexGothic")
sb.pairplot(data, size=1.5)
plt.show()

####################################################
#p24

sb.set(style="whitegrid", context="notebook", font="IPAexGothic")
#sb.pairplot(data, size=1.5)
cmap = sb.color_palette("coolwarm", 200)
sb.heatmap(data.corr(), square=True, annot=True, cmap=cmap)
plt.show()

####################################################
#p25

#LinearRegressionオブジェクトの生成
reg = LinearRegression()

x = data[["床面積", "築年数"]] #説明変数
y = data["家賃"] #目的変数

#学習してパラメータを計算
reg.fit(x, y)
#傾きと切片の表示
print("傾き1", reg.coef_[0])
print("傾き2", reg.coef_[1])
print("切片", reg.intercept_)

####################################################
#p26

a1 = reg.coef_[0]
a2 = reg.coef_[1]
b = reg.intercept_

yachin = a1 * 25 + a2 * 10 + b
print(yachin)

print(reg.score(x,y))