Exploration du jeu de données météo

Analyzing Police Activity with pandas

Kevin Markham

Founder, Data School

Présentation du jeu de données

Logo des National Centers for Environmental Information

Carte des stations météo

weather = pd.read_csv('weather.csv')

weather.head(3)

       STATION        DATE  TAVG  TMIN  TMAX  AWND  WSF2  WT01  WT02
0  USW00014765  2005-01-01  44.0    35    53  8.95  25.1   1.0   NaN 
1  USW00014765  2005-01-02  36.0    28    44  9.40  14.1   NaN   NaN  
2  USW00014765  2005-01-03  49.0    44    53  6.93  17.0   1.0   NaN  

   ...   WT11  WT13  WT14  WT15  WT16  WT17  WT18  WT19  WT21  WT22  
0  ...    NaN   1.0   NaN   NaN   NaN   NaN   NaN   NaN   NaN   NaN  
1  ...    NaN   NaN   NaN   NaN   1.0   NaN   1.0   NaN   NaN   NaN  
2  ...    NaN   1.0   NaN   NaN   1.0   NaN   NaN   NaN   NaN   NaN

TAVG, TMIN, TMAX : Température
AWND, WSF2 : Vitesse du vent
WT01 ... WT22 : Conditions météo défavorables

Analyser la vitesse du vent

weather[['AWND', 'WSF2']].head()

   AWND  WSF2
0  8.95  25.1
1  9.40  14.1
2  6.93  17.0
3  6.93  16.1
4  7.83  17.0

weather[['AWND', 'WSF2']].describe()

              AWND         WSF2
count  4017.000000  4017.000000
mean      8.593707    19.274782
std       3.364601     5.623866
min       0.220000     4.900000
25%       6.260000    15.000000
50%       8.050000    17.900000
75%      10.290000    21.900000
max      26.840000    48.100000

Créer un diagramme en boîte

weather[['AWND', 'WSF2']].plot(kind='box')
plt.show()

Boîtes à moustaches des colonnes de vitesse du vent

Créer un histogramme (1)

weather['WDIFF'] = weather.WSF2 - weather.AWND

weather.WDIFF.plot(kind='hist')
plt.show()

Histogramme de l'écart de vitesse du vent

Créer un histogramme (2)

weather.WDIFF.plot(kind='hist', bins=20)
plt.show()

Histogramme de l'écart de vitesse du vent avec plus de classes

Passons à la pratique !

Analyzing Police Activity with pandas