python 住区数据_Python实现的北京积分落户数据分析示例

本文实例讲述了Python实现的北京积分落户数据分析。分享给大家供大家参考，具体如下：

北京积分落户状况 获取数据(爬虫/文件下载)—> 分析 (维度—指标)

从公司维度分析不同公司对落户人数指标的影响 , 即什么公司落户人数最多也更容易落户

从年龄维度分析不同年龄段对落户人数指标影响 , 即什么年龄段落户人数最多也更容易落户

从百家姓维度分析不同姓对落户人数的指标影响 , 即什么姓的落户人数最多即也更容易落户

不同分数段的占比情况

# 导入库

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from matplotlib import font_manager

#读取数据(文件) , 并查看数据相应结构和格式

lh_data = pd.read_csv('./bj_luohu.csv',index_col='id',usecols=(0,1,2,3,4))

lh_data.describe()

# 1. 公司维度---人数指标

# 对公司进行分组聚合 , 并查看分数的相关数据 (个数 , 总分数 , 平均分 , 人数占比)

group_company = lh_data.groupby('company',as_index=False)['score'].agg(['count','sum','mean']).sort_values('count',ascending=False)

#更改列名称

group_company.rename(columns={'count':'people_num','sum':'score_sum','mean':'score_mean'},inplace=True)

#定一个函数 , 得到占比

def num_percent(people_num=1,people_sum=1):

return str('%.2f'%(people_num / people_sum * 100))+'%'

#增加一个占比列

group_company['people_percent'] = group_company['people_num'].apply(num_percent,people_sum=lh_data['name'].count())

#查看只有一个人落户的公司 布尔索引

group_company[group_company['people_num'] == 1]

group_company.head(10)

# 2.年龄维度----人数指标

#将出生年月转为年龄

lh_data['age'] = (pd.to_datetime('2019-09') - pd.to_datetime(lh_data['birthday'])) / pd.Timedelta('365 days')

# 分桶

lh_data.describe()

bins_age = pd.cut(lh_data['age'],bins=np.arange(30,70,5))

bins_age_group = lh_data['age'].groupby(bins_age).count()

bins_age_group.index = [str(i.left) + '~' + str(i.right) for i in bins_age_group.index]

bins_age_group.plot(kind='bar',alpha=1,rot=60,grid=0.2)

# 3. 姓维度----人数指标

# 增加姓列

#定义一个函数 得到姓名的姓

def get_fname(name):

if len(str(name)) <= 3:

return str(name[0])

else:

return str(name[0:2])

lh_data['fname'] = lh_data['name'].apply(get_fname)

# 对姓进行分组

group_fname = lh_data.groupby('fname')['score'].agg(['count','sum','mean']).sort_values('count',ascending=False)

# 更改列名称

group_fname.rename(columns={'count':'people_num','sum':'people_sum','mean':'score_mean'},inplace=True)

# 增加占比列

group_fname['people_percent'] = group_fname['people_num'].apply(num_percent,people_sum=lh_data['name'].count())

group_fname.head(10)

# 4. 查看分数段占比

# 分桶 将分数划分为一个个的区间

bins_score = pd.cut(lh_data['score'],np.arange(90,130,5))

# 将分数装入对应的桶里

bins_score_group = lh_data['score'].groupby(bins_score).count()

# 更改索引显示格式

bins_score_group.index = [str(i.left)+'~'+str(i.right) for i in bins_score_group.index]

bins_score_group.plot(kind='bar',alpha=1,rot=60,grid=0.2,title='score-people_num',colormap='RdBu_r')

总结

1.pandas的绘图方法不够灵活 , 功能也不够强大 , 最好还是使用matplotlib绘图

2.记住数据分析最重要的两个方法 分组: groupby() 和 分桶:cut() , 前者一般用于离散的数据(姓,公司) , 后者用于连续数据 (年龄段,分数段)

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。

本文标题: Python实现的北京积分落户数据分析示例

本文地址: http://www.cppcns.com/jiaoben/python/304193.html