1.比赛报名与思路解析（持续更新750967193）

2.比赛时间：2022年9月15日18点到2022年9月18日20点

如下为C题思路的高教国赛配套代码：

首先导入表单：

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rcParams['font.sans-serif']='SimHei'plt.rcParams['axes.unicode_minus']=Falsedf_表单1 = pd.read_excel('附件.xlsx', sheet_name='表单1')df_表单2 = pd.read_excel('附件.xlsx', sheet_name='表单2')df_表单3 = pd.read_excel('附件.xlsx', sheet_name='表单3')

画出各个属性占比图

fig=plt.figure(figsize=(10,10))i=1for column in df_表单1.columns[1:]:    data ={ elem:np.sum(df_表单1[column]==elem) for elem in df_表单1[column].unique()}    ax=fig.add_subplot(2,2,i)    i+=1    ax.pie(data.values(), labels=data.keys(), autopct='%1.2lf%%', pctdistance=0.5)    ax.set_title(column+'占比图')plt.savefig('各属性数量占比图.png')plt.show()

可以对数据采用如下方式处理：

1. 空白处表示未检测到该成分，即该成分的社杯数学思路实现含量为0，所以对于表单2中所用的建模控制用0进行填充；
2. 对于‘文物采样点’进行分开处理，分开为‘文物编号’，代码采样点；
3. 将成分之和不在区间[85,高教国赛105]范围内的删除；
4. 各成分含量之和应为100%，但因检测手段等原因加和并非100%，社杯数学思路实现所以对各成分进行归一化处理，建模使其成分含量和为100%

df_表单2 = pd.read_excel('附件.xlsx',代码 sheet_name='表单2')df_表单2['采样点']=df_表单2['文物采样点'].apply(lambda x:x[2:])df_表单2['文物编号']=df_表单2['文物采样点'].apply(lambda x:x[:2])df_表单2=df_表单2.fillna(0)print(df_表单2.shape)df_表单2['总含量']=df_表单2[df_表单2.columns[1:15]].sum(axis=1)index = df_表单2[df_表单2['总含量']<85].indexdf_表单2=df_表单2.drop(index=index)print(df_表单2.shape)index = df_表单2[df_表单2['总含量']>105].indexdf_表单2=df_表单2.drop(index=index)print(df_表单2.shape)for column in df_表单2.columns[1:15]:    df_表单2[column]=df_表单2[column]/df_表单2['总含量']*100df_表单2.head()

然后合并1、2表单：

df_表单1['文物编号']=df_表单1['文物编号'].astype('str')df_表单1['文物编号']=df_表单1['文物编号'].apply(lambda x:'0'*(2-len(x))+x)df_表单1.index=df_表单1['文物编号']columns = ['纹饰',高教国赛 '类型', '颜色', '表面风化']df_表单2[columns]=''for i in df_表单2.index:    index = df_表单2['文物编号'][i]    for column in columns:        df_表单2.loc[i,column]=df_表单1[column][index]df_表单2['颜色'].unique()dic = { '风化':1,'无风化':0,       'A':1,'C':0,  # 这里未对B进行转换，不过在apriori的社杯数学思路实现地方使用的是汉字不影响，后续也没有使用       '高钾':1,建模'铅钡':0,        '蓝绿':0, '浅蓝':1, '紫':2, '深绿':3, '深蓝':4, '浅绿':5, '黑':6, '绿':7}df_表单2['是否风化']=df_表单2['表面风化'].apply(lambda x:dic.get(x))df_表单2['类型是否高钾']=df_表单2['类型'].apply(lambda x:dic.get(x))df_表单2['纹饰A']=df_表单2['纹饰'].apply(lambda x:dic.get(x))df_表单2['颜色编号']=df_表单2['颜色'].apply(lambda x:dic.get(x))columns = ['文物编号','采样点','是否风化','类型是否高钾','纹饰A','颜色编号']columns.extend(df_表单2.columns[1:15])df = df_表单2[columns]df.to_excel('表单1-2合并.xlsx')df

得到完整的合并表单：

各成分占比：

plt.figure(figsize=(10,10))data = df[df.columns[5:]].mean()print(data[data<=1].index)value = list(data[data>1].values)+[sum(data[data<=1].values)]labels = list(data[data>1].index)+['其他']plt.pie(value, labels=labels, autopct='%1.2lf%%')plt.savefig('各成分平均占比图.png')plt.show()

df1 = df[df['类型是否高钾']==1]plt.figure(figsize=(10,10))data = df1[df1.columns[5:]].mean()print(data[data<=1].index)value = list(data[data>1].values)+[sum(data[data<=1].values)]labels = list(data[data>1].index)+['其他']plt.pie(value, labels=labels, autopct='%1.2lf%%')plt.savefig('类型为高钾的成分占比图.png')plt.show()

此图为：类型为高钾的成分占比图

画出热力图：

sns.heatmap(df[df.columns[1:5]].corr())plt.savefig('风化，纹饰，代码颜色，高教国赛类型相关性热力图.png')plt.show()

所有属性热力图

以上仅为部分数据预处理内容，社杯数学思路实现第二问小部分内容摘选：

df['亚类']=''高钾亚类 = ['高钾亚类'+str(i) for i in 高钾kmeans[1]]铅钡亚类 = ['铅钡亚类'+str(i) for i in 铅钡kmeans[1]]df.loc[高钾_df.index,建模'亚类']=高钾亚类df.loc[铅钡_df.index,'亚类']=铅钡亚类df.to_excel('所有文物分别按亚类分类表.xlsx')

以上仅为部分数据预处理内容和摘选的第二问的小部分内容