資訊專欄INFORMATION COLUMN
摘要：項目目標數(shù)據(jù)是來自于地區(qū)的公共學校的數(shù)據(jù)，具體描述了學校的坐標，名字，類型等?；诖藬?shù)據(jù)，我們可以學習一些基本的數(shù)據(jù)分析的方法。例如，研究學校的分布情況，類型統(tǒng)計等。
項目目標：
Boston Public Schools Geo數(shù)據(jù)是來自于Boston地區(qū)的公共學校的數(shù)據(jù)，具體描述了學校的坐標，名字，類型等?；诖藬?shù)據(jù)，我們可以學習一些基本的Python數(shù)據(jù)分析的方法。例如，研究學校的分布情況，類型統(tǒng)計等。
數(shù)據(jù)集介紹:
數(shù)據(jù)集的介紹如下，其中比較重要的字段有X，Y坐標，ADDRESS地址，ZIPCODE，School類型
Data columns (total 21 columns):
X 131 non-null float64
Y 131 non-null float64
OBJECTID_1 131 non-null int64
OBJECTID 131 non-null int64
BLDG_ID 131 non-null int64
BLDG_NAME 131 non-null object
ADDRESS 131 non-null object
CITY 131 non-null object
ZIPCODE 131 non-null int64
CSP_SCH_ID 131 non-null int64
SCH_ID 131 non-null int64
SCH_NAME 131 non-null object
SCH_LABEL 131 non-null object
SCH_TYPE 131 non-null object
SHARED 131 non-null object
COMPLEX 131 non-null object
Label 131 non-null int64
TLT 131 non-null int64
PL 131 non-null object
POINT_X 131 non-null float64
POINT_Y 131 non-null float64
關鍵代碼實現(xiàn):
加載數(shù)據(jù)
schools = pd.read_csv("../input/Public_Schools.csv")
schools.info()
可以看到數(shù)據(jù)字段如下，一共有21個字段，其中有9個Object類型，4個float64, 8個int64
RangeIndex: 131 entries, 0 to 130
Data columns (total 21 columns):
X 131 non-null float64
Y 131 non-null float64
OBJECTID_1 131 non-null int64
OBJECTID 131 non-null int64
BLDG_ID 131 non-null int64
BLDG_NAME 131 non-null object
ADDRESS 131 non-null object
CITY 131 non-null object
ZIPCODE 131 non-null int64
CSP_SCH_ID 131 non-null int64
SCH_ID 131 non-null int64
SCH_NAME 131 non-null object
SCH_LABEL 131 non-null object
SCH_TYPE 131 non-null object
SHARED 131 non-null object
COMPLEX 131 non-null object
Label 131 non-null int64
TLT 131 non-null int64
PL 131 non-null object
POINT_X 131 non-null float64
POINT_Y 131 non-null float64
dtypes: float64(4), int64(8), object(9)
memory usage: 21.6+ KB
2.接下來，探索數(shù)據(jù)的缺失值
schools.isnull().any()
可以看到，數(shù)據(jù)沒有缺失值
1 X False
2 Y False
3 OBJECTID_1 False
4 OBJECTID False
5 BLDG_ID False
6 BLDG_NAME False
7 ADDRESS False
8 CITY False
9 ZIPCODE False
10 CSP_SCH_ID False
11 SCH_ID False
12 SCH_NAME False
13 SCH_LABEL False
14 SCH_TYPE False
15 SHARED False
16 COMPLEX False
17 Label False
18 TLT False
19 PL False
20 POINT_X False
21 POINT_Y False
22 dtype: bool
接下來，Count frequency of schools in each city
1 schools_per_city = schools["CITY"].value_counts()
2 sns.set()
3 plt.rcParams["figure.figsize"] = [20, 7]
4 sns.barplot(x=schools_per_city.index, y=schools_per_city.get_values())
可以看到不同地區(qū)的公立學校不同數(shù)量
按照ZIPCode統(tǒng)計學校情況
1 school_zipcode = schools["ZIPCODE"].value_counts() sns.set()
2 sns.barplot(x=school_zipcode.index, y=school_zipcode.get_values())
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉載請注明本文地址：http://m.hztianpu.com/yun/19835.html
摘要：項目目標數(shù)據(jù)是來自于地區(qū)的公共學校的數(shù)據(jù)，具體描述了學校的坐標，名字，類型等?；诖藬?shù)據(jù)，我們可以學習一些基本的數(shù)據(jù)分析的方法。例如，研究學校的分布情況，類型統(tǒng)計等。 項目目標： Boston Public Schools Geo數(shù)據(jù)是來自于Boston地區(qū)的公共學校的數(shù)據(jù)，具體描述了學校的坐標，名字，類型等?；诖藬?shù)據(jù)，我們可以學習一些基本的Python數(shù)據(jù)分析的方法。例如，研究學校...
摘要：作者譯者校對出品翻譯組編程派這是如何打造數(shù)據(jù)科學作品集系列教程的第一篇。我們將介紹怎樣打造作品集中的第一個項目，怎樣使用數(shù)據(jù)講述一個有效的故事。班級大小紐約市每所學校班級規(guī)模數(shù)據(jù)。 作者：Vik Paruchuri譯者：Nick Tang校對：EarlGrey出品：PythonTG 翻譯組/編程派 這是「如何打造數(shù)據(jù)科學作品集」系列教程的第一篇。如果覺得不錯，可以訂閱我們第一時間獲取最...
摘要：汽車本身就是復雜產品對象，其制造過程可以形象的表示建造者模式。另一輛法拉利，。法拉利具體建造者代碼如下構造法拉利的第一部分。咻咻法拉利已造好三建造者模式的優(yōu)缺點優(yōu)點降低代碼耦合度。 在未上大學之前，一直有個夢想I have a dream!，就是能成為一位汽車工程師，一直幻想著開著自己設計的汽車飛奔在公路上，迷倒了萬千少女。咳咳~~雖然現(xiàn)在沒實現(xiàn)我的dream，但夢想還是得有的。 說到...
閱讀 880·2021-11-25 09:43
閱讀 1777·2021-09-29 09:42
閱讀 1958·2019-08-30 15:55
閱讀 3469·2019-08-30 15:54
閱讀 2679·2019-08-30 13:20
閱讀 3563·2019-08-29 13:25
閱讀 978·2019-08-28 18:03
閱讀 1841·2019-08-26 13:44
