《利用python进行数据分析》案例--美国1880~2017年的婴儿名字

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os

path = 'C:\\Users\\peach\\Desktop\\python_code\\names'
os.chdir(path)
# 修改读取文件的路径

years = range(1880,2018)
pieces = []
columns = ['name','sex','births']
for year in years:
    path = 'yob%d.txt' % year
    frame = pd.read_csv(path,names=columns)
    frame['year'] = year
    pieces.append(frame)
# 批量读取文件

names = pd.concat(pieces,ignore_index=True)
# 将所有的内容放进一个dataframe

total_births = names.pivot_table('births',index='year',columns='sex',aggfunc='sum')
# 按性别和年份划分的出生总数

total_births.plot(title='Total births by sex and year')

def add_prop(group):
    group['prop']=group.births/group.births.sum()
    return group
# 创建一个添加prop列,以计算每个名字按照年份、性别的占比
names = names.groupby(['year','sex']).apply(add_prop)

names.groupby(['year','sex']).prop.sum()
# 验证所有组的prop列总计为1

def get_top1000(group):
    return group.sort_values(by='births',ascending=False)[:1000]
# 创建一个筛选出生数前1000名

grouped = names.groupby(['year','sex'])
top1000 = grouped.apply(get_top1000)
top1000.reset_index(inplace=True,drop=True)

boys = top1000[top1000.sex=='M']
girls = top1000[top1000.sex=='F']
# 将top1000里的男孩和女孩分开

top1000.query('year==2017 & sex=="M"')
# 查找2017年出生的top1000的男孩名

total_births = top1000.pivot_table('births',index='year',columns='name',aggfunc=sum)

subset =total_births[['John','Jacky','Joe','Joey']]
subset.plot(subplots=True,figsize=(12,10),grid=False,title='Number of births per year')
几个名字随着时间的推移的数量变化
table = top1000.pivot_table('prop',index='year',columns='sex',aggfunc=sum)
figsize = (12,4)
table.plot(title='Sum of top1000.prop by year and sex',yticks=np.linspace(0,1.2,13),)
# 查看top1000的名字覆盖的范围
top1000的名字覆盖的人群比例
df = boys[boys.year==2017]
# 筛选2017年的top1000男孩名
prop_cumsum = df.sort_values(by='prop',ascending=False).prop.cumsum()
# 按照 prop列求累计总和
prop_cumsum.values.searchsorted(0.5)
# 查找累积和为0.5的位置

def get_quantile_count(group,q=0.5):
    group = group.sort_values(by='prop',ascending=False)
    return group.prop.cumsum().values.searchsorted(q)+1

diversity =top1000.groupby(['year','sex']).apply(get_quantile_count)
# 按年份、性别求取累积和为0.5的位置

diversity = diversity.unstack('sex')
diversity.plot(title='Number of popular names in top 50%')
按年份划分的多样性指标
get_last_letter = lambda x:x[-1]
last_letters = names.name.map(get_last_letter)
last_letters.name = 'last_letter'
# 从name列提取最后一个字母

table = names.pivot_table('births',index=last_letters,columns=['sex','year'],aggfunc=sum)
subtable = table.reindex(columns=[1910,1960,2015],level='year')
letter_prop = subtable/subtable.sum()
fig,axes = plt.subplots(2,1,figsize=(12,10))
letter_prop['M'].plot(kind='bar',rot=0,ax=axes[0],title='Male')
letter_prop['F'].plot(kind='bar',rot=0,ax=axes[1],title='Female',legend=False)
男孩和女孩最后一个字母的比例
letter_prop =  table/table.sum()
dny_ts = letter_prop.loc[['d','n','y'],'M'].T
dny_ts.plot()
部分字母结尾的男孩名字的比例变化趋势
all_names = pd.Series(top1000.name.unique())
lesley_like = all_names[all_names.str.lower().str.contains('lesl')]
filtered = top1000[top1000.name.isin(lesley_like)]
table = filtered.pivot_table('births',index='year',columns='sex',aggfunc=sum)
table = table.div(table.sum(1),axis=0)
table.plot(style={'M':'k-','F':'k--'})
随着时间推移男性/女性中lsley式名字的比例

数据源链接
提取码:7pkh

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343

推荐阅读更多精彩内容