2018年北京積分落戶數據分析

1、數據：

鏈接：https://pan.baidu.com/s/1xl2h1I8O8E2xvzytEuPmFQ 
提取碼：fcrn

2、從不同的維度分析數據：

公司維度、年齡維度、不同分數段

3、以下爲具體代碼：
 

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

#讀取文件
luohu_data = pd.read_csv('./bj_luohu.csv',index_col = 'id')

#describe()展示一些基本信息
luohu_data.describe()

####  read_csv參數：dtype 可以指定整個DataFrame或各個列的數據類型;通過指定name與header，可以重命名列以及是否丟棄標題行;usecols參數允許您使用列名，位置號或可調用的方法選擇文件中列的任何子集;如果指定了comment參數，則將忽略註釋行。 默認情況下，空行也將被忽略,如果skip_blank_lines = False，則read_csv將不會忽略空行;index_col是read_csv中的一個參數。用來指定表格的索引值,在默認爲None的時候，pandas會自動將第一列作爲索引，並額外添加一列。所以大多我們會使用index_col=0，直接將第一列作爲索引，不額外添加列;

#查看下數據
luohu_data

3.1 從公司維度分析下，可以查看那個公司落戶人數多

#按照company分組並計算每組個數
#groupby默認會把by的這個列作爲索引列返回，可以設置下as_indx=False
company_data = luohu_data.groupby('company').count()
company_data

as_indx=False時結果：

爲了後續方便統計，將name重命名爲people_count

#重命名列名稱
# pandas 中 inplace 參數在很多函數中都會有，它的作用是：是否在原對象基礎上進行修改
# inplace = True：不創建新的對象，直接對原始對象進行修改；
# inplace = False：對數據進行修改，創建並返回新的對象承載其修改結果。
# 默認是False，即創建新的對象進行修改，原對象不變，和深複製和淺複製有些類似。

company_data1.rename(columns={'name':'people_count'},inplace = True)
#按某一列排序
#sort_values對列進行排序的 即對values進行排序
company_sorted_data = company_data1.sort_values('people_count',ascending=False)

#按條件過濾
#只有一人的公司
company_sorted_data[company_sorted_data['people_count']==1]

#人數前50的公司
company_sorted_data.head(50)

由此可見：積分落戶人數最多的是北京華爲數字技術公司。

3.2 下面從分數維度分析下，通過describe函數，可以得知分數最小爲90.75，最大爲122.59

#分數分佈
#按照步長5分桶統計下分數的分佈
bins = np.arange(90,130,5)
bins = pd.cut(luohu_data['score'],bins)
#統計分組下的個數
bins_counts = luohu_data['score'].groupby(bins).count()

#處理index
bins_counts.index=[str(x.left)+'~'+str(x.right) for x in bins_counts.index]
bins_counts.plot(kind='bar',alpha=1,rot=0)
plt.show()

可見90-95分人數是最多的。

3.3 年齡分析

#年齡分佈
#出生日期轉爲年齡
import time
now_time = time.strftime('%Y-%m',time.localtime(time.time()))
now_time = pd.to_datetime(now_time)
luohu_data['age']=((now_time
                    -pd.to_datetime(luohu_data['birthday'])))/ pd.Timedelta('365 days')
bins = np.arange(20,70,5)
bins = pd.cut(luohu_data['age'],bins)
bins_counts=luohu_data['age'].groupby(bins).count()
bins_counts.index=[str(x.left)+'~'+str(x.right) for x in bins_counts.index]
bins_counts.plot(kind='bar',alpha=1,rot=0)
plt.show()