import numpy
import pandas
import scipy.stats as st
import statsmodels.api as sm
import seaborn
import statsmodels.formula.api as smf 
import matplotlib.pyplot as plt

pandas.set_option('display.float_format', lambda x:'%.2f'%x)
#Đọc dữ liệu
data = pandas.read_csv('2014and2015CSMdataset.csv', low_memory=False)
sub1=data[(data['Genre']>=3) & (data['Genre']<=10)]
recode1 = {"2014":0 ,"2015":1}
sub1['Year1']= sub1['Year'].map(recode1)
sub1['Year1'] = pandas.to_numeric(sub1['Year1'], errors='coerce')

data['Likes'] =pandas.to_numeric(data['Likes'], errors='coerce')
data['Genre'] = pandas.to_numeric(data['Genre'], errors='coerce')
data['Views'] =pandas.to_numeric(data['Views'], errors='coerce')
data['Comments'] =pandas.to_numeric(data['Comments'], errors='coerce')


scat1 = seaborn.regplot(x="Comments", y="Likes", data=data)
plt.xlabel('Tổng số lượng Comments')
plt.ylabel('Tổng số lượng Likes')
plt.title('Scatterplot cho mối liên hệ giữa tổng số lượng Comments và Tổng số lượng Likes')
plt.show()

###
seaborn.factorplot(x="Year", y="Likes", data=sub1, kind="bar", ci=None)
plt.xlabel('Year')
plt.ylabel('Likes')
plt.title('Scatterplot cho mối liên hệ giữa Tổng số lượng Likes và số năm')
plt.show()

print ('mối liên hệ giữa số Likes và tổng số lượng của Comments')
print (st.pearsonr(data['Likes'], data['Comments']))
################### Mô hình hồi quy tuyến tính ##########################
print ("mô hình hồi quy OLS cho mối liên hệ giữa lượt Views và năm")
reg1 = smf.ols('Views ~ Year ', data=data).fit()
print (reg1.summary())

sub1 = sub1[['Views', 'Year1']].dropna()

# group means & sd
print ("Trung bình")
ds1 = sub1.groupby('Year1').mean()
print (ds1)
print ("Độ lệch chuẩn")
ds2 = sub1.groupby('Year1').std()
print (ds2)