本文實例講述了Python實現的北京積分落戶數據分析。分享給大家供大家參考，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) 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 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 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 不同分數段的占比情況

# 導入庫import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom 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)

更多關于Python相關內容感興趣的讀者可查看本站專題：《Python數學運算技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程》

希望本文所述對大家Python程序設計有所幫助。