【Python】 利用汽车数据进行可视化分析
准备分析汽车油耗
- 从http://fueleconomy.gov/geg/epadata/vehicles.csv.zip(这里请使用科学上网咯~亲测！)下载汽车油耗数据集并解压
- 进入jupyter notebook（ipython notebook）并新建一个New Notebook
- 输入命令
import pandas as pd
import numpy as np
from ggplot import *
import matplotlib.pyplot as plt%matplotlib inlinevehicles = pd.read_csv("vehicles.csv")
vehicles.head按下Shift +Enter 键，可以看到如下结果：
其中 pandas中Data Frame类的边界方法head，查看一个很有用的数据框data frame的中，包括每列的非空值数量和各列不同的数据类型的数量。
描述汽车油耗等数据
分析汽车油耗随时间变化的趋势
- 先按照年份分组
criteria2 = vehicles.fuelType2.isnull()
criteria3 = vehicles.atvType != 'Hybrid'
vehicles_non_hybrid = vehicles[criteria1 & criteria2 & criteria3]
averaged = grouped['comb08'].agg([np.mean])
averaged['hahhahah'] = averaged.index
vehicles_non_hybrid = vehicles_non_hybrid[criteria]
avg_grouped_by_year = grouped_by_year['displ', 'comb08'].agg([np.mean])
melted_avg_grouped_by_year = pd.melt(avg_grouped_by_year, id_vars='year')
p + geom_point() + facet_grid("variable_0",scales="free") #scales参数fixed表示固定坐标轴刻度，free表示反馈坐标轴刻度
调查汽车的制造商和型号
接下来的步骤会引导我们继续深入完成数据探索
- 首先查看cylinders变量有哪些可能的值
pd.unique(vehicles_non_hybrid.cylinders)
- 我们再将cylinders变量转换为float类型，这样可以轻松方便地找到data frame的子集
vehicles_non_hybrid.cylinders = vehicles_non_hybrid.cylinders.astype('float')
pd.unique(vehicles_non_hybrid.cylinders)
- 现在，我们可以查看各个时间段有四缸引擎汽车的品牌数量
vehicles_non_hybrid_4 = vehicles_non_hybrid[(vehicles_non_hybrid.cylinders==4.0)]
import matplotlib.pyplot as plt
%matplotlib inline
grouped_by_year_4_cylinder = \
vehicles_non_hybrid_4.groupby(['year']).make.nunique()
fig = grouped_by_year_4_cylinder.plot()
fig.set_xlabel('Year')
fig.set_ylabel('Number of 4-Cylinder Maker')
随后，print fig 显示出图像，参见下图：
分析：
我们可以从上图中看到，从1980年以来四缸引擎汽车的品牌数量呈下降趋势。然而，需要注意的是，这张图可能会造成误导，因为我们并不知道汽车品牌总数是否在同期也发生了变化。为了一探究竟，我们继续一下操作。
- 查看各年有四缸引擎汽车的品牌的列表，找出每年的品牌列表
grouped_by_year_4_cylinder = vehicles_non_hybrid_4.groupby(['year'])
unique_makes = []
for name, group in grouped_by_year_4_cylinder:
unique_makes.append(set(pd.unique(group['make'])))
unique_makes = reduce(set.intersection, unique_makes)
print unique_makes
for index, row in vehicles_non_hybrid_4.iterrows():
make = row['make']
boolean_mask.append(make in unique_makes)
+ geom_line() + facet_wrap('make')
【Python】 利用汽车数据进行可视化分析相关推荐
- 【手把手教你】Python获取财经数据和可视化分析
内容来自:微信公众号:python金融量化 关注可了解更多的金融与Python干货. "巧妇难为无米之炊",找不到数据,量化分析也就无从谈起.对于金融分析者来说,获取数据是量化分析 ...
- 汽车数据之可视化分析
作者:Irain GitHub项目链接:https://github.com/Irain-LUO/Resume_Projects. 二手车之家数据之可视化分析 1 引用库.数据文件.清洗函数: 2 数 ...
- Python爬取天气数据及可视化分析！
来源丨Python之王 Python爬取天气数据及可视化分析 说在前面 天气预报我们每天都会关注,我们可以根据未来的天气增减衣物.安排出行,每天的气温.风速风向.相对湿度.空气质量等成为关注的焦点.本 ...
- Python爬取天气数据及可视化分析
Python爬取天气数据及可视化分析 文章目录 Python爬取天气数据及可视化分析 说在前面 1.数据获取 请求网站链接 提取有用信息 保存csv文件 2.可视化分析 当天温度变化曲线图 当天相对湿 ...
- 【计算机专业毕设之基于python爬虫的汽车销量预测可视化分析系统-哔哩哔哩】 https://b23.tv/2gOjMVB
[计算机专业毕设之基于python爬虫的汽车销量预测可视化分析系统-哔哩哔哩] https://b23.tv/2gOjMVB https://b23.tv/2gOjMVB
- Python爬虫-猫眼电影《冰雪奇缘2》评论数据的可视化分析
[TPython爬虫-猫眼电影<冰雪奇缘2>评论数据的可视化分析 项目简介 爬虫,称为网页蜘蛛或网络机器人,用于自动获取互联网上的信息.我通过python爬虫来爬取猫眼电影的评论,对最新热 ...
- python3对拉勾数据进行可视化分析的方法详解
这篇文章主要给大家介绍了关于python3对拉勾数据进行可视化分析的相关资料,文中通过示例代码介绍的非常详细,对大家学习或者使用Python3具有一定的参考学习价值,需要的朋友们下面来一起学习学习吧 ...
- Python使用matplotlib进行3D可视化分析：3d柱状图、3d直方图、3d线框图、3d曲面图、3d翼面图(莫比乌斯环)
Python使用matplotlib进行3D可视化分析:3d柱状图.3d直方图.3d线框图.3d曲面图.3d翼面图(莫比乌斯环) 目录
- 开源开放 | 图数据交互可视化分析框架 InteractiveGraph v0.3 版本发布
图数据交互可视化分析框架 InteractiveGraph 日前发布 v0.3 版本,下载地址:https://github.com/grapheco/InteractiveGraph/release ...
最新文章
- String，StringBuffer
- java中的IO操作总结（一）
- 【从0到1学Web前端】javascript中的ajax对象（一）
- 上海市国资大数据课题启动仪式暨数据资产技术及金融行业应用沙龙隆重开幕...
- 来电通java版_我的世界基岩版1.19正式版下载-我的世界基岩版1.19下载手机版v1.19...
- html下拉选择框箭头改为年,CSS自定义select下拉选择框的样式(不用其他标签模拟)...
- golang sql注入问题
- 计算机桌面变成立体,win7系统将桌面变成立体桌面的两种方法介绍
- day16【前台】项目展示
- c access mysql数据库_基于C#的Access MsSQL MySQL 三种数据库访问演示（含源文件Demo）...
- 计算机实训大纲,计算机专业实训大纲
- 流式计算之Storm简介
- STL源码剖析（侯杰）——读书笔记
- 微信卡券管理 - 修改卡券基本信息
- 怎样清理苹果电脑磁盘空间_Mac空间不足怎么办，快速清理Mac系统垃圾与磁盘|Crucial(英睿达)...
- Ueditor详细配置说明文档
- 数据可视化之美-动态图绘制（以Python为工具）
- 全产业链落实循环减碳实践 宝马在华持续推进绿色转型
- time gmtime localtime strftime 时间函数
- C/C++ printf 输入16进制文本数据 多出许多ffffff的问题