Python编程读取csv文件数据分别计算RMSE、SD、R

使用 Pandas 和 NumPy 库，从 CSV 文件中读取数据，并对列名进行了更新。使用循环计算了三组数据的 RMSE、标准差和相关系数，并将结果打印输出。其中，RMSE（Root Mean Squared Error）是衡量预测值和真实值之间误差的一种方法；SD（Standard Deviation）是预测值和真实值之间误差的标准差；R（Correlation Coefficient）是衡量预测值和真实值之间线性关系的一种方法。通过计算这些指标，可以评估模型的性能和预测精度。

一、获得CSV文件中的列名

import pandas as pd
import numpy as np

# 读取 csv 文件
data = pd.read_csv('组合处理1.csv')
# 输出列名
print(data.columns)
# 更新列名

结果：
['true value', 'predicted value', 'Unnamed: 2', 'true value.1',
'predicted value.1', 'Unnamed: 5', 'true value.2', 'predicted value.2']

二、完整代码计算

import pandas as pd
import numpy as np

# 读取 csv 文件
data = pd.read_csv('组合处理1.csv')
# 输出列名
print(data.columns)
# 更新列名
data.columns = ['true value', 'predicted value', 'Unnamed: 2', 'true value.1',
                'predicted value.1', 'Unnamed: 5', 'true value.2', 'predicted value.2']

# 分别计算三对数据
for i, (true_col, pred_col) in enumerate([('true value', 'predicted value'),
                                          ('true value.1', 'predicted value.1'),
                                          ('true value.2', 'predicted value.2')]):
    # 提取需要计算的列
    true_values = data[true_col]
    predicted_values = data[pred_col]

    # 计算RMSE
    rmse = np.sqrt(((predicted_values - true_values) ** 2).mean())

    # 计算标准差
    sd = np.std(predicted_values - true_values)

    # 计算相关系数
    r = np.corrcoef(true_values, predicted_values)[0, 1]

    print(f"第{
     i+1}组结果：")
    print(f"RMSE: {
     rmse:.4f}")
    print(f"SD: {
     sd:.4f}")
    print(f"R: {
     r:.4f}")