Le genre influe-t-il sur les fouilles lors d'un contrôle ?

Analyzing Police Activity with pandas

Kevin Markham

Founder, Data School

ri.search_conducted.value_counts()

False    83229
True      3307

ri.search_type.value_counts(dropna=False)

NaN                               83229
Incident to Arrest                 1290
Probable Cause                      924
Inventory                           219
Reasonable Suspicion                214
Protective Frisk                    164
Incident to Arrest,Inventory        123
...

Par défaut, .value_counts() ignore les valeurs manquantes
dropna=False affiche les valeurs manquantes

Examiner les types de fouille

ri.search_type.value_counts()

Incident to Arrest                           1290
Probable Cause                                924
Inventory                                     219
Reasonable Suspicion                          214
Protective Frisk                              164
Incident to Arrest,Inventory                  123
Incident to Arrest,Probable Cause             100
...

Plusieurs valeurs sont séparées par des virgules
219 fouilles où « Inventory » était le seul type
Repérer « Inventory » parmi plusieurs types de fouille

Rechercher une chaîne (1)

ri['inventory'] = ri.search_type.str.contains('Inventory', na=False)

str.contains() renvoie True si la chaîne est trouvée, False sinon
na=False renvoie False en cas de valeur manquante

Rechercher une chaîne (2)

ri.inventory.dtype

dtype('bool')

True signifie qu'un inventaire a été effectué, False que non

ri.inventory.sum()

Calculer le taux d'inventaire

ri.inventory.mean()

0.0050961449570121106

0,5 % de tous les contrôles ont mené à un inventaire

searched = ri[ri.search_conducted == True]
searched.inventory.mean()

0.13335349259147264

13,3 % des fouilles incluaient un inventaire

Passons à la pratique !

Analyzing Police Activity with pandas