Python数据处理（二）——美国人的生日

本篇文章的目的：以美国人的生日统计分析为例，熟练统计分组的操作，基本的数据可视化图形绘制；涉及到Python 中的numpy、pandas和matplotlib库，包括：df.pivot_table()、plt.ylabel()、np.percentile()、df.query()等函数。本篇也涉及到用Sigma -clippin去除异常值，时间格式的转换等。

数据来源：https://github.com/jakevdp/data-CDCbirths/

数据说明：读入births.csv文件，共14610条记录；5个字段，分别是：年代，月份，性别和出生人数

1.读入数据，显示基本数据情况

导入需要的Python库，读入数据，显示数据情况

%matplotlib inline
import pandas as pd
import numpy as np
import matplotlib.pyplot as  plt
import matplotlib as mpl

birth = pd.read_csv(r'data-CDCbirths-master/births.csv')
birth.head() #显示前5行数据,tail()表示显示后5行数据
len(birth) #显示数据总行数

显示结果如下：

 2.统计年代情况，观察每年美国人男女总人数的增长情况

步骤：计算年代（原始数据中没有）并形成新的字段—》统计各年代的男女比例—》按性别分组，统计每一年的男女出生总人数—》绘制统计图

使用函数：df.pivot_table(values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

部分参数说明：values：数值，用于分组计算的数值；index：索引，结果显示索引，按索引分组；

columns：分组的列，分组结果会单独显示列； aggfunc：计算函数，函数使用会加引号。

（一）计算年代和统计各年代的男女比例。使用到numpy的通用函数；数据框求和函数：df.sum(axis=0/1)，默认为0,0表示按列求和，1表示按行求和，等同于np.sum(df, axis=0/1)

代码如下：

birth['decade'] = 10 * (birth['year'] // 10) #计算年代，其中10年为一个年代

#按年代和性别进行分组，对出生人数进行求和；索引为年代，列为性别。
sta = birth.pivot_table('births', index='decade', column