数据分析之分布分析

#-*- coding: utf-8 -*-
#1、概念：分布分析，是指根据分析目的，将数据（定量数据）进行等距或者不等距的分组（定量分组），进行研究各组分布规律的一种分析方法。
#常用于用户的消费分布、收入分布、年龄分布等

import numpy
import pandas

data = pandas.read_csv("D:/workspaces/python/pythonStudy/26.csv")

#26.csv包括列：用户ID,注册日期,身份证号码,性别,出生日期,年龄。下载地址：https://pan.baidu.com/s/1iT3EXsE0gIKKDYHeLKRyWg

aggResult = data.groupby(by=['年龄'])['年龄'].agg({'人数':numpy.size})

#可以看到分组已经成功，但是结果不直观，从结果反映不出每个年龄的人数

#进行数值分段处理：
bins = [min(data.年龄)-1,20,30,40,max(data.年龄)+1]

labels=['20岁及以下','21岁到30岁','31岁到40岁','41岁以上']

data['年龄分层'] = pandas.cut(
    data.年龄,
    bins,
    labels = labels
)

aggResult = data.groupby(by=['年龄分层'])['年龄'].agg({'人数':numpy.size})

#每个年龄段的人数已经出来了，但是结果依然无法直观的展示每个年龄段区别

#转化为百分比:
pAggResult = round(aggResult/aggResult.sum(),3)*100

pAggResult['人数'].map('{:,.2f}%'.format)