拓展思考题是汽车是否偷漏税识别问题。文中代码有借鉴网友和书中代码。查看数据后进行以下分析
1、数据探索
对数据进行简单分析,看销售模式和销售类别对偷漏税是否有影响
import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False df=pd.read_excel('E:/WTTfiles/自我学习/机器学习/python数据分析与挖掘实战/chapter6/拓展思考/拓展思考样本数据.xls') fig=plt.figure() fig.set(alpha=0.2) plt.subplot2grid((1,2),(0,0)) df_type=df[u'销售类型'][df[u'输出']=='异常'].value_counts() df_type.plot(kind='bar',color='blue') plt.title(u'不同销售类型下的偷漏税情况') plt.xlabel(u'销售类型') plt.ylabel(u'异常数') plt.subplot2grid((1,2),(0,1)) df_model=df[u'销售模式'][df[u'输出']=='异常'].value_counts() df_model.plot(kind='bar',color='green') plt.title(u'不同销售模式下的偷漏税情况') plt.xlabel(u'销售类型') plt.ylabel(u'异常数') plt.subplots_adjust(wspace=0.3) plt.show()
可以看到国产轿车的异常数较多,4s店销售模式下的异常数也较多。
下面对数据进行统计分析,看正常和异常情况下数据的分布情况
df_normal=df.iloc[:,3:][df[u'输出']=='正常'].describe().T df_normal=df_normal[[