本次將進行下期雙色球號碼的預測，想想有些小激動啊。

程式碼中使用了線性迴歸演算法，這個場景使用這個演算法，預測效果一般，各位可以考慮使用其他演算法嘗試結果。

發現之前有很多程式碼都是重複的工作，為了讓程式碼看的更優雅，定義了函式，去呼叫，頓時高大上了

#!/usr/bin/python
# -*- coding:UTF-8 -*-
 
#匯入需要的包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import operator
from sklearn import datasets,linear_model
from sklearn.linear_model import LogisticRegression
 
#讀取檔案
df = pd.read_table('newdata.txt',header=None,sep=',')
 
#讀取日期
tdate = sorted(df.loc[:,0])
 
#將以列項為資料，將球號碼取出，寫入到csv檔案中，並取50行資料
# Function to red number to csv file
def RedToCsv(h_num,num,csv_name):
    h_num = df.loc[:,num:num].values
    h_num = h_num[50::-1]
    renum2 = pd.DataFrame(h_num)
    renum2.to_csv(csv_name,header=None)
    fp = file(csv_name)
    s = fp.read()
    fp.close()
    a = s.split('\n')
    a.insert(0, 'numid,number')
    s = '\n'.join(a)
    fp = file(csv_name, 'w')
    fp.write(s)
    fp.close()
 
#呼叫取號碼函式
# create file
RedToCsv('red1',1,'rednum1data.csv')
RedToCsv('red2',2,'rednum2data.csv')
RedToCsv('red3',3,'rednum3data.csv')
RedToCsv('red4',4,'rednum4data.csv')
RedToCsv('red5',5,'rednum5data.csv')
RedToCsv('red6',6,'rednum6data.csv')
RedToCsv('blue1',7,'bluenumdata.csv')
 
 
#獲取資料，X_parameter為numid資料,Y_parameter為number資料
# Function to get data
def get_data(file_name):
    data = pd.read_csv(file_name)
    X_parameter = []
    Y_parameter = []
    for single_square_feet ,single_price_value in zip(data['numid'],data['number']):
        X_parameter.append([float(single_square_feet)])
        Y_parameter.append(float(single_price_value))
    return X_parameter,Y_parameter
 
 
#訓練線性模型
# Function for Fitting our data to Linear model
def linear_model_main(X_parameters,Y_parameters,predict_value):
    # Create linear regression object
    regr = linear_model.LinearRegression()
    #regr = LogisticRegression()
    regr.fit(X_parameters, Y_parameters)
    predict_outcome = regr.predict(predict_value)
    predictions = {}
    predictions['intercept'] = regr.intercept_
    predictions['coefficient'] = regr.coef_
    predictions['predicted_value'] = predict_outcome
    return predictions
 
 
#獲取預測結果函式
def get_predicted_num(inputfile,num):
    X,Y = get_data(inputfile)
    predictvalue = 51
    result = linear_model_main(X,Y,predictvalue)
    print "num "+ str(num) +" Intercept value " , result['intercept']
    print "num "+ str(num) +" coefficient" , result['coefficient']
    print "num "+ str(num) +" Predicted value: ",result['predicted_value']
 
 
#呼叫函式分別預測紅球、藍球
get_predicted_num('rednum1data.csv',1)
get_predicted_num('rednum2data.csv',2)
get_predicted_num('rednum3data.csv',3)
get_predicted_num('rednum4data.csv',4)
get_predicted_num('rednum5data.csv',5)
get_predicted_num('rednum6data.csv',6)
 
get_predicted_num('bluenumdata.csv',1)
 
 
# 獲取X,Y資料預測結果
# X,Y = get_data('rednum1data.csv')
# predictvalue = 21
# result = linear_model_main(X,Y,predictvalue)
# print "red num 1 Intercept value " , result['intercept']
# print "red num 1 coefficient" , result['coefficient']
# print "red num 1 Predicted value: ",result['predicted_value']
 
 
# Function to show the resutls of linear fit model
def show_linear_line(X_parameters,Y_parameters):
    # Create linear regression object
    regr = linear_model.LinearRegression()
    #regr = LogisticRegression()
    regr.fit(X_parameters, Y_parameters)
    plt.figure(figsize=(12,6),dpi=80)
    plt.legend(loc='best')
    plt.scatter(X_parameters,Y_parameters,color='blue')
    plt.plot(X_parameters,regr.predict(X_parameters),color='red',linewidth=4)
    plt.xticks(())
    plt.yticks(())
    plt.show()
 
#顯示模型影象，如果需要畫圖，將“獲取X,Y資料預測結果”這塊註釋去掉，“呼叫函式分別預測紅球、藍球”這塊程式碼註釋下
# show_linear_line(X,Y)
 

畫圖結果：

預測2016-05-15開獎結果：實際開獎結果：05 06 10 16 22 26  11 以下為預測值： #取5個數，計算的結果 num 1 Intercept value  5.66666666667 num 1 coefficient [-0.6] num 1 Predicted value:  [ 2.06666667] num 2 Intercept value  7.33333333333 num 2 coefficient [ 0.2] num 2 Predicted value:  [ 8.53333333] num 3 Intercept value  14.619047619 num 3 coefficient [-0.51428571] num 3 Predicted value:  [ 11.53333333] num 4 Intercept value  17.7619047619 num 4 coefficient [-0.37142857] num 4 Predicted value:  [ 15.53333333] num 5 Intercept value  21.7142857143 num 5 coefficient [ 1.11428571] num 5 Predicted value:  [ 28.4] num 6 Intercept value  28.5238095238 num 6 coefficient [ 0.65714286] num 6 Predicted value:  [ 32.46666667] num 1 Intercept value  9.57142857143 num 1 coefficient [-0.82857143] num 1 Predicted value:  [ 4.6] 四捨五入結果： 2 9 12 16 28 33 5 #取12個數，計算的結果四捨五入： 3 7 12 15 24 30 7 #取15個數，計算的結果四捨五入： 4 7 13 15 25 31 7 #取18個數，計算的結果四捨五入： 4 8 13 16 23 31 8 #取20個數，計算的結果四捨五入： 4 7 12 22 24 27 10 #取25個數，計算的結果四捨五入： 7 8 13 17 24 30 6 #取50個數，計算的結果四捨五入： 4 10 14 18 23 29 8 #取100個數，計算的結果四捨五入： 5 11 15 19 24 29 8 #取500個數，計算的結果四捨五入： 5 10 15 20 24 29 9 #取1000個數，計算的結果四捨五入： 5 10 14 19 24 29 9 #取1939個數，計算的結果四捨五入： 5 10 14 19 24 29 9 看來預測中獎真是有些難度，隨機性太高，雙色球預測案例，只是為了讓入門資料分析的朋友有些思路，要想中大獎還是有難度的，多做好事善事多積德行善吧。