cod complet apps

complete.py

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LinearRegression
from sklearn.cluster import KMeans
from sklearn.preprocessing import PolynomialFeatures
from sklearn.impute import SimpleImputer
from sklearn.pipeline import make_pipeline
from sklearn.metrics import r2_score

# ============================================================================
# ============================================================================
print("="*70)
print("VERIFICARE STRUCTURĂ DATE NBA2021.CSV")
print("="*70)

df = pd.read_csv('nba2021.csv')
print(f"Shape: {df.shape}")
print(f"\nColoane disponibile cu indici:")
for i, col in enumerate(df.columns):
    print(f"  [{i:2d}]: {col}")

print(f"\nPrimele 3 linii:\n{df.head(3)}")
print(f"\nValori lipsă:\n{df.isnull().sum()}")

# ============================================================================
# EXERCIȚIUL 1: Regresie Liniară - MP vs FGA
# ============================================================================
print("\n" + "="*70)
print("EXERCIȚIUL 1: Regresie Liniară MP vs FGA")
print("="*70)

df = pd.read_csv('nba2021.csv')
print(f"Shape: {df.shape}")
df_clean = df.dropna()
print(f"Shape după ștergere NaN: {df_clean.shape}")

# Extragere folosind numele coloanelor (mai sigur)
if 'MP' in df_clean.columns and 'FGA' in df_clean.columns:
    X = df_clean['MP'].values.reshape(-1, 1)
    y = df_clean['FGA'].values
    print("✓ Folosim coloanele 'MP' și 'FGA'")
else:
    print("⚠ Coloanele 'MP' și 'FGA' nu există, folosim indici")
    X = df_clean.iloc[:, 7].values.reshape(-1, 1)
    y = df_clean.iloc[:, 9].values

print(f"Shape X: {X.shape}, y: {y.shape}")

# Vizualizare
plt.figure(figsize=(10, 6))
plt.scatter(X, y, alpha=0.5, edgecolors='k', linewidths=0.5)
plt.xlabel('MP (Minutes Played)')
plt.ylabel('FGA (Field Goals Attempted)')
plt.title('Date antrenare: MP vs FGA')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# Model
model = LinearRegression()
model.fit(X, y)

# R²
r2 = model.score(X, y)
print(f"Scor R²: {r2:.4f}")

# Predicții pe 100 valori
X_new = np.linspace(X.min(), X.max(), 100).reshape(-1, 1)
y_pred = model.predict(X_new)

# Vizualizare
plt.figure(figsize=(10, 6))
plt.scatter(X, y, alpha=0.5, label='Date antrenare', edgecolors='k', linewidths=0.5)
plt.plot(X_new, y_pred, 'r-', linewidth=2, label='Predicție')
plt.xlabel('MP (Minutes Played)')
plt.ylabel('FGA (Field Goals Attempted)')
plt.title('Regresie Liniară: MP vs FGA')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# Ecuație
print(f"Ecuația: FGA = {model.intercept_:.2f} + {model.coef_[0]:.2f}*MP")
print("(Trebuie: FGA = -1.95 + 0.45*MP)")

# Inversă
X_inv = y.reshape(-1, 1)
y_inv = X.ravel()
model_inv = LinearRegression()
model_inv.fit(X_inv, y_inv)
print(f"Inversă: MP = {model_inv.intercept_:.2f} + {model_inv.coef_[0]:.2f}*FGA")

# ============================================================================
# EXERCIȚIUL 2: Regresie Liniară cu Imputare - FG vs 2P
# ============================================================================
print("\n" + "="*70)
print("EXERCIȚIUL 2: Regresie Liniară FG vs 2P (cu imputare)")
print("="*70)

df = pd.read_csv('nba2021.csv')

# Verificare și extragere coloane
if 'FG' in df.columns and '2P' in df.columns:
    X = df['FG'].values.reshape(-1, 1)
    y = df['2P'].values
    print("✓ Folosim coloanele 'FG' și '2P'")
else:
    print("⚠ Folosim indici - verificați că sunt corecți!")
    data = df.to_numpy()
    # Încercăm să găsim coloanele potrivite
    # De obicei: FG, FGA, FG%, 3P, 3PA, 3P%, 2P, 2PA, 2P%
    X = data[:, 10]  # Ajustați
    y = data[:, 12]  # Ajustați

# Imputare
imputer = SimpleImputer(strategy='mean')
X = imputer.fit_transform(X.reshape(-1, 1))
y = imputer.fit_transform(y.reshape(-1, 1)).ravel() #aplatizeaza array-ul 
# a = np.array([1,2],[3,4]) a.ravel() [1 2 3 4] flatten()

print(f"Shape după imputare - X: {X.shape}, y: {y.shape}")

# Vizualizare
plt.figure(figsize=(10, 6))
plt.scatter(X, y, alpha=0.5, edgecolors='k', linewidths=0.5)
plt.xlabel('FG (Field Goals)')
plt.ylabel('2P (2-Point Field Goals)')
plt.title('Date antrenare: FG vs 2P')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# Model
model = LinearRegression()
model.fit(X, y)
r2 = model.score(X, y)
print(f"Scor R²: {r2:.4f}")

# Predicții pe 80 valori
X_new = np.linspace(X.min(), X.max(), 80).reshape(-1, 1)
y_pred = model.predict(X_new)

# Vizualizare
plt.figure(figsize=(10, 6))
plt.scatter(X, y, alpha=0.5, label='Date antrenare', edgecolors='k', linewidths=0.5)
plt.plot(X_new, y_pred, 'r-', linewidth=2, label='Predicție')
plt.xlabel('FG')
plt.ylabel('2P')
plt.title('Regresie Liniară: FG vs 2P')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

print(f"Ecuația: 2P = {model.intercept_:.2f} + {model.coef_[0]:.2f}*FG")
print("(Trebuie: 2P = -0.13 + 0.74*FG)")

# Inversă
X_inv = y.reshape(-1, 1)
y_inv = X.ravel()
model_inv = LinearRegression()
model_inv.fit(X_inv, y_inv)
print(f"Inversă: FG = {model_inv.intercept_:.2f} + {model_inv.coef_[0]:.2f}*2P")

# ============================================================================
# EXERCIȚIUL 3: Regresie Liniară - 2P vs 2PA
# ============================================================================
print("\n" + "="*70)
print("EXERCIȚIUL 3: Regresie Liniară 2P vs 2PA")
print("="*70)

df = pd.read_csv('nba2021.csv')

# Extragere cu verificare
if '2P' in df.columns and '2PA' in df.columns:
    X = df['2P'].values.reshape(-1, 1)
    y = df['2PA'].values
    print("✓ Folosim coloanele '2P' și '2PA'")
else:
    print("⚠ Folosim indici")
    data = df.to_numpy()
    imputer = SimpleImputer(strategy='mean')
    data_imputed = imputer.fit_transform(data)
    X = data_imputed[:, 12].reshape(-1, 1)
    y = data_imputed[:, 13]

# Imputare
imputer = SimpleImputer(strategy='mean')
X = imputer.fit_transform(X)
y = imputer.fit_transform(y.reshape(-1, 1)).ravel()

# Model
model = LinearRegression()
model.fit(X, y)

# Predicții
X_new = np.linspace(X.min(), X.max(), 100).reshape(-1, 1)
y_pred = model.predict(X_new)

# Vizualizare
plt.figure(figsize=(10, 6))
plt.scatter(X, y, alpha=0.5, label='Date antrenare', edgecolors='k', linewidths=0.5)
plt.plot(X_new, y_pred, 'r-', linewidth=2, label='Predicție')
plt.xlabel('2P (2-Point Field Goals Made)')
plt.ylabel('2PA (2-Point Field Goals Attempted)')
plt.title('Regresie Liniară: 2P vs 2PA')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

r2 = model.score(X, y)
print(f"R²: {r2:.4f}")
print(f"Ecuația: 2PA = {model.intercept_:.2f} + {model.coef_[0]:.2f}*2P")

# Inversă
X_inv = y.reshape(-1, 1)
y_inv = X.ravel()
model_inv = LinearRegression()
model_inv.fit(X_inv, y_inv)
print(f"Inversă: 2P = {model_inv.intercept_:.2f} + {model_inv.coef_[0]:.2f}*2PA")

# ============================================================================
# EXERCIȚIUL 4: Regresie Polinomială - 2P vs FT
# ============================================================================
print("\n" + "="*70)
print("EXERCIȚIUL 4: Regresie Polinomială 2P vs FT")
print("="*70)

df = pd.read_csv('nba2021.csv')

# Găsim coloanele 2P și FT
if '2P' in df.columns and 'FT' in df.columns:
    X = df['2P'].values.reshape(-1, 1)
    y = df['FT'].values
    # Imputare
    imputer = SimpleImputer(strategy='mean')
    X = imputer.fit_transform(X)
    y = imputer.fit_transform(y.reshape(-1, 1)).ravel()
    print("✓ Folosim coloanele '2P' și 'FT'")
else:
    print("⚠ Folosim indici - selectăm doar coloane numerice")
    # Selectăm doar coloanele numerice
    df_numeric = df.select_dtypes(include=[np.number])
    data = df_numeric.to_numpy()
    imputer = SimpleImputer(strategy='mean')
    data_imputed = imputer.fit_transform(data)
    
    # Găsim indicii pentru 2P și FT în coloanele numerice
    numeric_cols = df_numeric.columns.tolist()
    print(f"Coloane numerice: {numeric_cols}")
    
    if '2P' in numeric_cols and 'FT' in numeric_cols:
        idx_2p = numeric_cols.index('2P')
        idx_ft = numeric_cols.index('FT')
        X = data_imputed[:, idx_2p].reshape(-1, 1)
        y = data_imputed[:, idx_ft]
        print(f"✓ Găsit: 2P la index {idx_2p}, FT la index {idx_ft}")
    else:
        # Fallback cu indici aproximativi
        X = data_imputed[:, 10].reshape(-1, 1)  # 2P
        y = data_imputed[:, 15]  # FT
        print("⚠ Folosim indici aproximativi - verificați rezultatele")

# Pipeline cu PolynomialFeatures grad 2
pipeline = make_pipeline(
    PolynomialFeatures(degree=2),
    LinearRegression()
)

pipeline.fit(X, y)

# Predicții
X_new = np.linspace(X.min(), X.max(), 100).reshape(-1, 1)
y_pred = pipeline.predict(X_new)

# Vizualizare
plt.figure(figsize=(10, 6))
plt.scatter(X, y, alpha=0.5, label='Date antrenare', edgecolors='k', linewidths=0.5)
plt.plot(X_new, y_pred, 'r-', linewidth=2, label='Predicție polinomială (grad 2)')
plt.xlabel('2P (2-Point Field Goals)')
plt.ylabel('FT (Free Throws)')
plt.title('Regresie Polinomială: 2P vs FT')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# Extragere model din pipeline
model_poly = pipeline['linearregression']
print(f"Coeficienți: {model_poly.coef_}")
print(f"Intercept: {model_poly.intercept_:.4f}")

# R² în două moduri
r2_1 = pipeline.score(X, y)
y_pred_train = pipeline.predict(X)
r2_2 = r2_score(y, y_pred_train)
print(f"R² (metoda 1 - pipeline.score): {r2_1:.4f}")
print(f"R² (metoda 2 - r2_score): {r2_2:.4f}")

# Inversă
print("\n--- Problema inversă: FT -> 2P ---")
X_inv = y.reshape(-1, 1)
y_inv = X.ravel()
pipeline_inv = make_pipeline(PolynomialFeatures(degree=2), LinearRegression())
pipeline_inv.fit(X_inv, y_inv)
print(f"R²: {pipeline_inv.score(X_inv, y_inv):.4f}")