上次从51job上爬取数据存储到51job.txt上后我们对数据进行处理,计算最小工资为1万的Java工作在哪个城市比较容易找到工作(求概率)p=p(北京)*p(Java|北京)*p(min=1万|北京)
import pandas as pd
df = pd.read_csv('51.txt', sep='\t')
# 计算类别的先验概率
pc = df['addr'].value_counts() / df['addr'].size
# 计算每个特征属性条件概率
pa = pd.crosstab(df['addr'], df['key'], margins=True).apply(lambda x:x/x[-1], axis=1)
# 通过样本计算出均值和方差,也就是得到正态分布的密度函数。有了密度函数,就可以把值代入,算出某一点的密度函数的值
import numpy as np
df2 = df.groupby('addr').agg([np.mean, np.var])
df2['x'] = 1
from math import pi, exp, sqrt
def f(x, mean, var):
return exp(-(x-mean)**2/(2*var))/sqrt(2*pi*var)
df2['p_x_min']=df2[['min','x']].apply(lambda