数据科学入门与实战：玩转pandas实战项目分析航班晚点情况

引入相关包

import numpy as np
import pandas as pd
from pandas import DataFrame,Series

读取数据文件

df = pd.read_csv('usa_flights.csv')

看看数据个数

print(df.size)#计算总数
print(df.shape)#计算矩阵行列大小

查看数据

print(df.head())#一个月的数据..
#主要看看arr_delay才知道是否延误

数据情况，包含航班日期，航空公司，航班号，数据源,目的地，到达延迟时间，取消，距离，carrier_delay weather_delay late_aircraft_delay nas_delay security_delay actual_elapsed_time

按照到达目的延迟时间从小到大排序，-74说明早到达74分钟

#排序。。
#按照航班延误时间从小到大排序
print(df.sort_values('arr_delay'))

最长延误时间TOP十

#最长延误时间Top Ten
print(df.sort_values('arr_delay',ascending=False)[:10])

计算延误航班和没有延误航班的比例

#计算延误和没有延误航班的比例
print(df['cancelled'])

就算延误和没有延误航班的个数分别为

print(df['cancelled'].value_counts())

生成一列新的数据delay,通过applay吧arr_delay转否delay的标志

df['delayed'] = df['arr_delay'].apply(lambda x:x > 0)

print(df.head())

计算一下delayed False和True的值的数量

delay_data = df['delayed'].value_counts()#引用delay_data时候就直接delay_data[0]...即可

print(delay_data)
print(type(delay_data))

计算延误比例

#延误比率
print(delay_data[1] / (delay_data[0] + delay_data[1]) )

每个公司的延误情况如何？通过groupby分组

#每个公司延误的情况,两级索引：'unique_carrier','delayed'
delay_group = df.groupby(['unique_carrier','delayed'])
print(delay_group)
print(delay_group.size())

不要堆叠

df_delay = delay_group.size().unstack()#不要堆叠
print(df_delay)

画图

import matplotlib.pyplot as plt
df_delay.plot()

df_delay.plot(kind = 'barh',stacked = True, figsize = [16,6],colormap = 'winter')