pandas第五次作业20200914修正版本

练习1

通过starbucks_store_worldwide.csv数据，获取中国每个省份的分布数量

代码实现

#！/user/bin/env python
#-*-coding: utf-8-*-
#@Time           : 2020/9/1115:49
#@Author         : GodSpeed
#@File           : pandas第五次作业01.py
#@Software       : PyCharm

import numpy as np

import pandas as pd

'''
练习1
通过starbucks_store_worldwide.csv数据，获取中国每个省份的分布数量
'''

# 作业01 先截取目标数据[国家为中国的数据]，再进行统计
def task01_method(buck_store_w):

    #1.截取Country为CN的数据
    print(buck_store_w[buck_store_w.loc[:,'Country'] == 'CN'] )
    #2.对数据依据列State/Province进行分组求['Store Number']的计数
    dist_prov_stores = buck_store_w.groupby(by='State/Province')['Store Number'].count()
    print(dist_prov_stores)
    #3.保存dist_prov_stores数据
    dist_prov_stores.to_csv('task01_dist_prov_stores.csv')


if __name__ == '__main__':
    # 读取starbucks_store_worldwide.csv

    buck_store_w = pd.read_csv('starbucks_store_worldwide.csv', usecols=['Store Number', 'State/Province', 'Country'])

    print(buck_store_w.head())

    '''
       Store Number State/Province Country
    0  47370-257954              7      AD
    1  22331-212325             AJ      AE
    2  47089-256771             AJ      AE
    3  22126-218024             AZ      AE
    4  17127-178586             AZ      AE

    '''
    #查看信息
    print(buck_store_w.info())
    '''
        <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 25600 entries, 0 to 25599
    Data columns (total 3 columns):
     #   Column          Non-Null Count  Dtype 
    ---  ------          --------------  ----- 
     0   Store Number    25600 non-null  object
     1   State/Province  25600 non-null  object
     2   Country         25600 non-null  object
    dtypes: object(3)
    memory usage: 300.1+ KB
    None
    '''
    task01_method(buck_store_w);

结果

练习2

统计出911数据中不同月份的电话次数，并直观体现数据的变化情况

代码实现

#!/user/bin/env python
#-*-coding: utf-8-*-
#@Time        : 2020/9/13 001323:17
#@Author      : GodSpeed
#@File        : pandas第五次作业最终修正版本.py
#@Software    : PyCharm

import numpy as np

import pandas as pd

from matplotlib import pyplot as plt


'''
练习2
统计出911数据中不同月份的电话次数，并直观体现数据的变化情况
'''
font = {
    
    
    'family' : 'simhei',
    'weight' : 'bold',
    'size'   : '12'
}

plt.rc('font', **font)

def calls_911_months():
    # 1.读取911数据
    data_911 = pd.read_csv ( '911.csv')
    #print ( data_911.head() )
    '''
             lat        lng  ...                        addr  e
        0  40.297876 -75.581294  ...      REINDEER CT & DEAD END  1
        1  40.258061 -75.264680  ...  BRIAR PATH & WHITEMARSH LN  1
        2  40.121182 -75.351975  ...                    HAWS AVE  1
        3  40.116153 -75.343513  ...          AIRY ST & SWEDE ST  1
        4  40.251492 -75.603350  ...    CHERRYWOOD CT & DEAD END  1
        
        [5 rows x 9 columns]
    '''
    #print(data_911.info())
    '''
            <class 'pandas.core.frame.DataFrame'>
        RangeIndex: 249737 entries, 0 to 249736
        Data columns (total 9 columns):
         #   Column     Non-Null Count   Dtype  
        ---  ------     --------------   -----  
         0   lat        249737 non-null  float64
         1   lng        249737 non-null  float64
         2   desc       249737 non-null  object 
         3   zip        219391 non-null  float64
         4   title      249737 non-null  object 
         5   timeStamp  249737 non-null  object 
         6   twp        249644 non-null  object 
         7   addr       249737 non-null  object 
         8   e          249737 non-null  int64  
        dtypes: float64(3), int64(1), object(5)
        memory usage: 17.1+ MB
        None
    '''
    #print(data_911["timeStamp"].dtype) #object
    #2.timeStamp列由object转换为dateTime
    data_911['timeStamp'] = pd.to_datetime ( data_911['timeStamp'], format='%Y-%m' )
    #print(data_911.dtypes) #timeStamp    datetime64[ns]
    #3.把timeStamp指定为行索引
    data_911.set_index ( "timeStamp", inplace=True )
    # 降采样 根据月份重采样
    # 如果想用月头就用MS

    # 去一列没有确实值的列，转换为Seris，以方便后续的绘图
    count_m = data_911.resample ( "MS" ).count()['lat']

    #print('count_m=',count_m)
    '''
            count_m= timeStamp
        2015-12-01     7916
        2016-01-01    13096
        2016-02-01    11396
        2016-03-01    11059
        2016-04-01    11287
        2016-05-01    11374
        2016-06-01    11732
        2016-07-01    12088
        2016-08-01    11904
        2016-09-01    11669
        2016-10-01    12502
        2016-11-01    12091
        2016-12-01    12162
        2017-01-01    11605
        2017-02-01    10267
        2017-03-01    11684
        2017-04-01    11056
        2017-05-01    11719
        2017-06-01    12333
        2017-07-01    11768
        2017-08-01    11753
        2017-09-01     7276
        Freq: MS, Name: lat, dtype: int64
        
        Process finished with exit code 0

    '''

    # 折线图显示变化
    # 直方图显示数据的分布情况
    # x是横轴是时间
    # y是数据

    #print(count_m.index)
    x = count_m.index
    y = count_m.values

    #plt.plot(x,y)
    #plt.show()
    # 问题: X轴的刻度自动分配2016-01,2016-04,2016-07,2016-10...
    #      并不是(应该让让x当刻度标签)我们想要的2015-12，2016-01，2016-02 ...

    # 需要优化的地方:
    # 自定义X轴刻度：用count_m.index来显示

    # 方法:
    # 用x的长度来做范围设定X刻度
    #plt.plot(range(len(x)),y)
    # 设置刻度值和刻度标签
    # xticks有两个参数:刻度值和刻度标签
    #plt.xticks(range(len(x)),x)
    # 问题: X轴太密集
    # 解决:设置rotation一下旋转
    #plt.xticks ( range ( len ( x ) ), x, rotation=90)

    # 问题:X轴的时间精度变成了秒
    # 需求只想要X显示年月日
    # 解决:格式化为分钟
    # 时间序列里面每个元素都是TimeStamp对象，以此可以进行格式化

    #print(x)
    x_f = [i.strftime("%Y-%m") for i in x]
    #print(x_f)
    plt.xticks (range ( len ( x ) ),x_f, rotation=45)
    plt.plot ( range ( len ( x ) ), y )
    plt.grid ()  # 根据x轴和y轴的数值展示轴网格

    plt.title ( "911每月来电次数情况" )

    plt.show()



if __name__ == '__main__':

    calls_911_months ()

结果:

总结收获: 1.复习到时间序列，文件数据可能数值，也可能是字符串，当不为时间数据是要转换为时间序列; 2.时间格式化strftime("%Y-%m"). 3.当坐标轴刻度不满足要求是，通过xticks 设置刻度和刻度标签. 4.折线图显示变化;.直方图显示数据的分布情况