R2.08 - Statistique descriptive
Régression linéaire et données MySQL

A. Ridard

L'objectif est d'illustrer la section 3 du cours 2 avec Python, mais aussi l'importation de données à partir d'une base MySQL.

In [53]:
# importation des packages
import numpy as np
import pandas as pd

# importation des modules
import matplotlib.pyplot as plt
import scipy.stats as sps
import mysql.connector

import warnings
warnings.filterwarnings('ignore')

Charger dans un DataFrame le résultat de la requête fournissant pour chaque quartier (désigné par son identifiant), la longueur des pistes cyclables et le nombre de compteurs.

Remarque : j'ai ajouté deux contraintes pour retirer deux points "aberrants"

In [55]:
# on commence par créer une connexion à la base de données

### cela suppose évidemment d'avoir créé au préalable la bd et l'utilisateur, mais aussi d'avoir créé et rempli les tables
### normalement, ceci a été fait pour le TP8 de R2.06

cnx = mysql.connector.connect(user='nantes', password='mdp_nantes', host='127.0.0.1', database='bd_nantes')

# on peut alors afficher toutes les tables de la base de données

mycursor = cnx.cursor() 
mycursor.execute("SHOW TABLES")
myresult = mycursor.fetchall() 
  
for x in myresult: 
    print(x)  

# on peut aussi charger le résultat d'une requête dans un DataFrame

### l'utilisation de """ """ permet de présenter la requête SQL sur plusieurs lignes comme d'habitude
ma_requete = """
SELECT idQuartier, COUNT(idCompteur) x, ROUND(longueurPisteVelo/1000) y
FROM Quartier
JOIN Compteur ON idQuartier = leQuartier
GROUP BY idQuartier, longueurPisteVelo
HAVING ROUND(longueurPisteVelo/1000) < 40
AND COUNT(idCompteur) < 20
ORDER BY x
"""
            
df = pd.read_sql_query(ma_requete, cnx)

# /!\ on n'oublie pas de fermer la connexion à la base
cnx.close()

# on affiche le DataFrame
df

('comptage',)
('compteur',)
('dateinfo',)
('quartier',)
Out[55]:
idQuartier x y
0 3 1 4.0
1 8 2 23.0
2 11 2 16.0
3 14304 2 8.0
4 14307 2 13.0
5 4 4 31.0
6 6 6 32.0
7 5 9 28.0
  • Représenter le nuage de points entre la longueur des pistes (en km) et le nombre de compteurs ainsi que la droite d'ajustement
  • Enregistrer la représentation graphique obtenue au format .png
  • Indiquer le coefficient de détermination
In [56]:
# on représente le nuage de points
abs = df["x"]
ord = df["y"]
plt.plot(abs, ord, '.')

# on "calcule" la régression linéaire et on représente la droite d'ajustement
a, b, r, _, _ = sps.linregress(abs, ord)
x = np.linspace(abs.min(), abs.max(), 100)
plt.plot(x, a*x+b)

# on enregistre la figure (dans le répertoire du notebook)
plt.savefig("image")

# on affiche la figure
plt.show()

# on affiche le coefficient de détermination
print("Coefficient de détermination :", r**2)

# comme on pouvait déjà le voir avec le nuage de points, ce modèle n'est effectivement pas pertinent ! 

Coefficient de détermination : 0.5373495858727926
In [ ]: