Python如何實現北京積分落戶數據

小編給大家分享一下Python如何實現北京積分落戶數據，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 獲取數據(爬蟲/文件下載)—> 分析 (維度—指標)

1. 從公司維度分析不同公司對落戶人數指標的影響 , 即什么公司落戶人數最多也更容易落戶

2. 從年齡維度分析不同年齡段對落戶人數指標影響 , 即什么年齡段落戶人數最多也更容易落戶

3. 從百家姓維度分析不同姓對落戶人數的指標影響 , 即什么姓的落戶人數最多即也更容易落戶

4. 不同分數段的占比情況

# 導入庫
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager

#讀取數據(文件) , 并查看數據相應結構和格式
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---人數指標
# 對公司進行分組聚合 , 并查看分數的相關數據 (個數 , 總分數 , 平均分 , 人數占比)
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)
#定一個函數 , 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----人數指標
#將出生年月轉為年齡
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----人數指標
# 增加姓列
#定義一個函數 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)
# 對姓進行分組
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. 查看分數段占比 
# 分桶 將分數劃分為一個個的區間
bins_score = pd.cut(lh_data['score'],np.arange(90,130,5))
# 將分數裝入對應的桶里
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
1.pandas的繪圖方法不夠靈活 , 功能也不夠強大 , 最好還是使用matplotlib繪圖
2.記住數據分析最重要的兩個方法 分組: groupby() 和 分桶:cut() , 前者一般用于離散的數據(姓,公司) , 后者用于連續數據 (年齡段,分數段)

以上是“Python如何實現北京積分落戶數據”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！