《PolarDB for PostgreSQL源码与应用实战》——PolarDB for PostgreSQL用SQL做数据分析（4） https://developer.aliyun.com/article/1232907?groupCode=polardbforpg

（三）分析数据

前文演示了在PolarDB里做数据准备与处理数据的过程，现在正式进入第三步——分析数据。

1、降维

如前文所说，当前分析数据还非常依赖人工，因此需要通过数据可视化的方式分析数据的分布，即将表格形式转换成图片

形式。但原始数据包含花萼、花瓣的长度与宽度，就是4维数据，而图片一般只能展示2维数据。为了能在图片上展示高维

数据，需要先对数据降维，把四维的数据降低到二维数据。

如上图所示，使用降维方法之前，需要先修改一下flowers表：第一个ID是自增的唯一编号，因为降维算法运算结果，需要通过ID保存回来；后面还有feature1和feature2两个字段，用来保存降维后的两维数据。

有了保存的字段之后，就可以从插件里挑一个降维算法，把四维数据压缩成二维数据，然后再以散点图的方式呈现出来。

这里选择了一个比较常用的PCA降维算法，它包含四个参数：

1.第一个参数是一个字符串形式的表名，表明这个算法数据是存在哪张表。

2.第二个字段是一个唯一字段名。

3.第三个参数是一个字符串数组，告诉算法，原始的高维数据保存在哪些字段里。

4.第四个参数也是一个数组，告诉算法结果保存在哪些字段里。

上图的例子就是把flowers表里的数据，根据ID字段，把花瓣花萼的长度和宽度这四个字字段作为输入，降维完之后存到

feature1和feature2二维的数据里面。降维完成之后再通过散点图的函数展示出来，告诉散点图从哪个表里去拿x轴和y轴

的数据以及目标值的数据。如果一切顺利的话，大家能够看到上图右边这样一个散点图展示在终端。

2、可视化展示

同样的，咱们来实操一下。首先新增三个字段，一个是ID自增的，另外两个是feature1和feature2：

然后用PCA降维算法把这四个特征变量降维成两个特征变量：

此时，feature1与feature2已经有降维后的值了：

最后再用散点图去展示数据：

可以看到三个花分别用不同的颜色标记出来，并且大体上能够被区分开来。

3、预置算法与绘图函数

同样的，插件中已经预置了一些算法函数以及绘图函数，包括降维、分类、回归、聚类、绘图等。

这些函数都是封装了第三方的Python函数：算法函数就是封装了 Scikit Learn 这个Python机器学习库；函数函数则是封

装了Matplotlib。这就是PolarDB的UDF最强大的地方，它海纳百川，可以直接把其他编程语言的生态封装到自己的生态

里，并统一用SQL函数的方式提供给使用者。大家可以参考插件的文档，查看有哪些已经封装好的函数，或者也可以自己来尝试封装。

4、模型训练及预测

通过可视化展示，我们已经知道数据大概是什么样的分布情况，最后我们就可以挑一个聚类算法函数来训练模型，并且用

这个模型来预测新数据。

如上图所示，我选择了高斯混合模型，因为它用起来最简单，用法和前面的降维函数有点类似。如果训练成功，最后得到

类似上图右侧的分布图，可以把三个数据进行聚类，简单的高斯混合模型聚类后效果看起来也还不错。

苹果公司股价回归分析案例

鸢尾花的分析案例中，使用的是非监督学习的聚类方法，插件中还包含一些监督学习算法。可以试试用线性回归模型方法

分析苹果股价的走势。过程与鸢尾花的分析一样，也分成四步：

其中，在数据准备环节，直接调用预置的load函数加载苹果公司自2015年以来每天的股价收盘价格，并以点图把它展示出来；接着再选择线性回归模型进行训练；最后以折性图的方式把它呈现出来。如果一切顺利，你将能在终端看到如下的折线图：

上图是用自增的ID作为特征变量，与股价做拟合。真正的股价走势分析是非常严谨和复杂的，本示例只作为演示用途，切

勿当真！

苹果公司股价回归分析案例

总结前文中涉及到的PolarDB数据库功能：

本文用纯粹的SQL完成了鸢尾花聚类与苹果股价分析。其中，在准备数据时，用到了CREATE TABLE创建数据库表，COPY

命令导入数据，也学会了如何调用UDF；在处理数据阶段，学会了添加新的列、给列添加默认值、INSERT语句、触发器等。

除了本文罗列的功能，还有许多今天没涉及到的、但非常有用的功能，例如，像面向对象一样的继承表，还有条件索引、

表达式索引、倒排索引、全文检索等等。通过这些特性，大家应该能感受到PolarDB是一个非常开放的平台，几乎允许你

以任何你喜欢的方式来管理数据。大家可以下载PolarDB，探索一下更多更好玩的功能。