Python数据分析（4）----餐饮订单数据分析

本次实验内容为美国犯罪数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：US_Crime_Rates_1960_2014.csv 本次实验主要是对python中的数据进行基本操作。

代码为：

#!/usr/bin/env python 
# -*- coding:utf-8 -*-

import pandas as pd
# 探索1960 - 2014美国犯罪数据
# 1. 将数据框命名为crime。
crime = pd.read_csv('data_analysis/US_Crime_Rates_1960_2014.csv', index_col=0)

# 2. 每一列(column)的数据类型是什么样的？
crime.dtypes

# 3. 将Year的数据类型转换为datetime64。
crime['Year'] = pd.to_datetime(crime['Year'], format='%Y')

# 4. 将列Year设置为数据框的索引。
crime.set_index('Year', inplace=True)

# 5. 删除名为Total的列。
crime.drop('Total', axis=1, inplace=True)   #列名称是横向的 1表示按列操作 0表示按行操作

# 6. 按照Year（每十年）对数据框进行分组并求和。
crime.resample('10AS').sum()  #对数据重采样，按照年采样用Y，按照月采样用M

# 7. 何时是美国历史上生存最危险的年代？
(crime['Population'].diff()[1:]/crime['Population'].values[:-1]).idxmin()  #diff()做差分计算,求犯罪的增长率最高的年份最为最危险的年份
# (crime['Population'].diff()[1:]相当于从标号为1的行开始，计算后一行与前一行的差值
# crime['Population'].values[:-1]相当于取出了除最后一行之外的所有行
# a = crime['Population'][0:2]
# b = crime['Population'][1:3]
#
# b.values - a

文件‘US_Crime_Rates_1960_2014.csv’中的数据截图为：

运行结果截图如下所示：