Python如何實(shí)現(xiàn)北京積分落戶數(shù)據(jù)

小編給大家分享一下Python如何實(shí)現(xiàn)北京積分落戶數(shù)據(jù)，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

具體如下：

北京積分落戶狀況 獲取數(shù)據(jù)(爬蟲/文件下載)—> 分析 (維度—指標(biāo))

1. 從公司維度分析不同公司對(duì)落戶人數(shù)指標(biāo)的影響 , 即什么公司落戶人數(shù)最多也更容易落戶

2. 從年齡維度分析不同年齡段對(duì)落戶人數(shù)指標(biāo)影響 , 即什么年齡段落戶人數(shù)最多也更容易落戶

3. 從百家姓維度分析不同姓對(duì)落戶人數(shù)的指標(biāo)影響 , 即什么姓的落戶人數(shù)最多即也更容易落戶

4. 不同分?jǐn)?shù)段的占比情況

# 導(dǎo)入庫(kù)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager

#讀取數(shù)據(jù)(文件) , 并查看數(shù)據(jù)相應(yīng)結(jié)構(gòu)和格式
lh_data = pd.read_csv('./bj_luohu.csv',index_col='id',usecols=(0,1,2,3,4))
lh_data.describe()

# 1. 公司維度---人數(shù)指標(biāo)
# 對(duì)公司進(jìn)行分組聚合 , 并查看分?jǐn)?shù)的相關(guān)數(shù)據(jù) (個(gè)數(shù) , 總分?jǐn)?shù) , 平均分 , 人數(shù)占比)
group_company = lh_data.groupby('company',as_index=False)['score'].agg(['count','sum','mean']).sort_values('count',ascending=False)
#更改列名稱
group_company.rename(columns={'count':'people_num','sum':'score_sum','mean':'score_mean'},inplace=True)
#定一個(gè)函數(shù) , 得到占比
def num_percent(people_num=1,people_sum=1):
  return str('%.2f'%(people_num / people_sum * 100))+'%'
#增加一個(gè)占比列
group_company['people_percent'] = group_company['people_num'].apply(num_percent,people_sum=lh_data['name'].count())
#查看只有一個(gè)人落戶的公司 布爾索引
group_company[group_company['people_num'] == 1]
group_company.head(10)

# 2.年齡維度----人數(shù)指標(biāo)
#將出生年月轉(zhuǎn)為年齡
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. 姓維度----人數(shù)指標(biāo)
# 增加姓列
#定義一個(gè)函數(shù) 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)
# 對(duì)姓進(jìn)行分組
group_fname = lh_data.groupby('fname')['score'].agg(['count','sum','mean']).sort_values('count',ascending=False)
# 更改列名稱
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?jǐn)?shù)段占比 
# 分桶 將分?jǐn)?shù)劃分為一個(gè)個(gè)的區(qū)間
bins_score = pd.cut(lh_data['score'],np.arange(90,130,5))
# 將分?jǐn)?shù)裝入對(duì)應(yīng)的桶里
bins_score_group = lh_data['score'].groupby(bins_score).count()
# 更改索引顯示格式
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')

總結(jié)
1.pandas的繪圖方法不夠靈活 , 功能也不夠強(qiáng)大 , 最好還是使用matplotlib繪圖
2.記住數(shù)據(jù)分析最重要的兩個(gè)方法 分組: groupby() 和 分桶:cut() , 前者一般用于離散的數(shù)據(jù)(姓,公司) , 后者用于連續(xù)數(shù)據(jù) (年齡段,分?jǐn)?shù)段)

以上是“Python如何實(shí)現(xiàn)北京積分落戶數(shù)據(jù)”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！