当前位置:
首页 > temp > python入门教程 >
-
用Python预测双色球福利彩票中奖号码(请不要当真)
今天,我们就用Python来统计一下各号码的中奖概率,并可视化展示。我本人,也会买概率最大的几个号码试试,中奖的话,我就删号,并开始朴实无华有钱人的生活!!!
先是数据的来源,采集双色球往期中奖数据
发送求情
import requests # 数据请求 # 发送请求的url地址 url = 'http://www.cwl.gov.cn/cwl_admin/kjxx/findDrawNotice' params = { 'name': 'ssq', 'issueCount': '', 'issueStart': '', 'issueEnd': '', 'dayStart': '2017-10-24', 'dayEnd': '2021-08-04', 'pageNo': page, } headers = { 'Referer': 'http://www.cwl.gov.cn/kjxx/ssq/kjgg/', 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36' } response = requests.get(url=url, params=params, headers=headers) # <> 对象 200 请求成功 状态码
解析数据,for遍历
for index in result: dit = { '期号': index['code'], '开奖日期': index['date'], '红球': index['red'], '蓝球': index['blue'], '一等奖中奖注数': index['prizegrades'][0]['typenum'], '一等奖中奖金额': index['prizegrades'][0]['typemoney'], '二等奖中奖注数': index['prizegrades'][1]['typenum'], '二等奖中奖金额': index['prizegrades'][1]['typemoney'], '三等奖中奖注数': index['prizegrades'][2]['typenum'], '三等奖中奖金额': index['prizegrades'][2]['typemoney'], '四等奖中奖注数': index['prizegrades'][3]['typenum'], '四等奖中奖金额': index['prizegrades'][3]['typemoney'], '五等奖中奖注数': index['prizegrades'][4]['typenum'], '五等奖中奖金额': index['prizegrades'][4]['typemoney'], '六等奖中奖注数': index['prizegrades'][5]['typenum'], '六等奖中奖金额': index['prizegrades'][5]['typemoney'], '一等奖中奖地区': index['content'], '奖池金额': index['poolmoney'] }
保存数据
import csv # 内置模块 f = open('双色球.csv', mode='a', encoding='utf-8', newline='') csv_writer = csv.DictWriter(f, fieldnames=['期号', '开奖日期', '红球', '蓝球', '一等奖中奖注数', '一等奖中奖金额', '二等奖中奖注数', '二等奖中奖金额', '三等奖中奖注数', '三等奖中奖金额', '四等奖中奖注数', '四等奖中奖金额', '五等奖中奖注数', '五等奖中奖金额', '六等奖中奖注数', '六等奖中奖金额', '一等奖中奖地区', '奖池金额']) csv_writer.writeheader() # 写入表头 csv_writer.writerow(dit) print(dit)
运行代码,这样就得到了往期双色球的数据了
现在开始,我们来分析这些数据
先导入需要用到的模块
import pandas as pd from pyecharts.charts import * from sklearn.linear_model import LogisticRegression
读取采集到的表格数据
data = pd.read_csv('双色球.csv',encoding='utf-8', engine='python') data.head()
取数据,指定训练集和测试集
def get_lotto_data(data, lotto, lotto_id): data['lotto_id'] = lotto_id X = [] Y = [] # 标签and值 for s, p in zip(data['lotto_id'], data[lotto]): X.append([float(s)]) Y.append(float(p)) return X, Y
建立线性回归模型
def linear_model_test(X, Y, predict_value): regr = LogisticRegression() regr.fit(X, Y) predict_outcome = regr.predict(predict_value) predictions = {} predictions['intercept'] = regr.intercept_ predictions['coefficient'] = regr.coef_ predictions['predicted_value'] = predict_outcome return predictions
使用线性回归推测中奖号码
def get_predicted_num(file, lotto, lotto_id): X, Y = get_lotto_data(file, lotto, lotto_id) predict_value = [[33]] result = linear_model_test(X, Y, predict_value) if lotto_id < 7: print(f'中奖第{lotto_id}个红球为:', result['predicted_value'].astype('int64'), '号球') else: print('中奖蓝球为:', result['predicted_value'].astype('int64'), '号球')
预测结果
get_predicted_num(data, 'r1', 1) # 预测红1 get_predicted_num(data, 'r2', 2) # 预测红2 get_predicted_num(data, 'r3', 3) # 预测红3 get_predicted_num(data, 'r4', 4) # 预测红4 get_predicted_num(data, 'r5', 5) # 预测红5 get_predicted_num(data, 'r6', 6) # 预测红6 get_predicted_num(data, '蓝球', 7) # 预测蓝7
可视化展示
红球中奖概率分布图
x = red_ball_count.index.tolist() y = red_ball_count.values.tolist() # 可视化展示 pie = ( Pie() .add("" ,[list(z) for z in zip(x, y)] ) ) pie.render_notebook()
蓝球中奖概率分布图
x = blue_ball_count.index.tolist() y = blue_ball_count.values.tolist() pie = ( Pie() .add("" ,[list(z) for z in zip(x, y)] ) ) pie.render_notebook()
蓝球中奖次数分布
from pyecharts import options as opts from pyecharts.charts import PictorialBar from pyecharts.globals import SymbolType c = ( PictorialBar() .add_xaxis(x) .add_yaxis( "", y, label_opts=opts.LabelOpts(is_show=False), symbol_size=18, symbol_repeat="fixed", symbol_offset=[0, 0], is_symbol_clip=True, ) .reversal_axis() .set_global_opts( title_opts=opts.TitleOpts(title='蓝球中奖号码'), xaxis_opts=opts.AxisOpts(is_show=False), yaxis_opts=opts.AxisOpts( axistick_opts=opts.AxisTickOpts(is_show=False), axisline_opts=opts.AxisLineOpts( linestyle_opts=opts.LineStyleOpts(opacity=0) ), ), ) ) c.render_notebook()
中奖注数漏斗图
x_data = df['中奖注数'].index.tolist() y_data = df['中奖注数'].values.tolist() c = ( Funnel() .add( "中奖注数漏斗图", [list(z) for z in zip(x_data, y_data)], label_opts=opts.LabelOpts(position="inside"), ) .set_global_opts(title_opts=opts.TitleOpts(title="中奖注数漏斗图")) ) c.render_notebook()
很真实,基数太大,一、二等奖的中奖数都看不见了
出处:https://www.cnblogs.com/qshhl/p/15105140.html
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
SQL Server -- 解决存储过程传入参数作为s
关于JS定时器的整理
JS中使用Promise.all控制所有的异步请求都完
js中字符串的方法
import-local执行流程与node模块路径解析流程
检测数据类型的四种方法
js中数组的方法,32种方法
前端操作方法
数据类型
window.localStorage.setItem 和 localStorage.setIte
如何完美解决前端数字计算精度丢失与数