算例
统计911数据中,不同类型紧急情况的次数
步骤:
- 读取911数据
- 将911数据中心紧急情况类型列提取出来
- 设置一个零矩阵,行数为911数据的列,行数为紧集情况类型数量
- 当911数据中某行为某一种紧集情况,此时令零矩阵中该紧急情况列所在的行值设为1
- 遍历所有情况后的0矩阵变为包含元素1的矩阵,对该矩阵求列和
方法一
import pandas as pd
import numpy as np
df = pd.read_csv('./911.csv')
case_list = df['title'].str.split(': ').to_list()
case_set = list( set( i[0] for i in case_list))
df_zeros = pd.DataFrame(np.zeros((df.shape[0],len(case_set))),columns=case_set)
for case in case_set:
df_zeros[case][df['title'].str.contains(case)] = 1
df_sum = df_zeros.sum(axis=0)
print(df_sum)
方法二
步骤:
- 读取911数据
- 紧集情况类型设置成911数据中新的列向量
- groupby分类求和
import numpy as np
import pandas as pd
df = pd.read_csv('./911.csv')
temp_list = df['title'].str.split(':').tolist()
case_list = [case[0] for case in temp_list ]
df['case'] = pd.DataFrame(np.array(case_list).reshape((df.shape[0],1)))
print(df.groupby(by='case').count()['title'])
不同月份紧集情况变化
步骤:
- 读取911数据
- 将数据的时间格式化后,令为DataFrame的行索引
- 使用resample按月对紧集情况重采样求和
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.read_csv('./911.csv')
df['timeStamp'] = pd.to_datetime(df['timeStamp'])
df.set_index(df['timeStamp'],inplace=True)
month_count = df.resample('M').count()['title']
_x = month_count.index
_y = month_count.values
_x = [i.strftime('%Y%M%d') for i in _x]
plt.figure( figsize=(20,8),dpi=80 )
plt.plot(range(len(_x)),_y)
plt.xticks(range(len(_x)),_x,rotation=45)
plt.show()
不同月份不同类型紧集情况变化情况
步骤:
- 读取911数据,将时间格式化
- 对911数据不同类型紧集情况进行分类,分类后成为‘case’列
- 格式化后的时间设置为911数据的行索引
- 利用groupby对‘case’列中紧急情况进行分类
- 对不同类型紧集情况使用resample函数按月重采样,
- 画图
需要注意的地方:
不能再设置‘case’列 reshape之前改变911数据的行索引
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.read_csv('./911.csv')
df['timeStamp'] = pd.to_datetime(df['timeStamp'])
temp_list = df['title'].str.split(':').tolist()
case_list = [case[0] for case in temp_list]
df['case'] = pd.DataFrame( np.array(case_list).reshape( (df.shape[0],1) ) )
df.set_index(df['timeStamp'],inplace=True)
plt.figure(figsize=(20,8),dpi=80)
for data_index, data_values in df.groupby(by='case'):
count_by_month = data_values.resample('M').count()['title']
_x = count_by_month.index
_y = count_by_month.values
_x = [i.strftime('%Y%m%d') for i in _x]
plt.plot(range(len(_x)),_y,label=data_index)
plt.xticks(range(len(_x)),_x,rotation=45)
plt.legend(loc='best')
plt.show()
城市PM2.5随时间的变化
步骤:
- 读取数据
- 利用PeriodIndex将数据表中分散的时间格式化
- 格式化的时间设置为行索引
- 利用resample对数据重采样
- 取不同城市的PM值,画图
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.read_csv('./BeijingPM20100101_20151231.csv')
period = pd.PeriodIndex(year = df['year'],month = df['month'],day=df['day'],hour=df['hour'],freq='H')
df['time'] = period
df.set_index(df['time'],inplace=True)
df = df.resample('7D').mean()
data_US = df['PM_US Post']
data_CN = df['PM_Nongzhanguan']
_x1 = [i.strftime('%Y%m%d') for i in data_US.index]
_x2 = [i.strftime('%Y%m%d') for i in data_CN.index]
_y1 = data_US.values
_y2 = data_CN.values
plt.figure(figsize=(20,8),dpi=80)
plt.plot(range(len(_x1)),_y1,label='US_POST')
plt.plot(range(len(_x2)),_y2,label='CN_Nnongzhanguan')
plt.xticks(range(0,len(_x1 ),10),list(_x1)[::10],rotation=45)
plt.legend(loc='best')
plt.show()