python数据分析与挖掘实战第六章拓展思考题

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[[