Mẫu hình đi lại

Phân tích dữ liệu Điều tra Dân số Hoa Kỳ bằng Python

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

Bảng về đi lại

Chủ đề đi lại

Phương tiện (ô tô, công cộng, v.v.)
Thời gian di chuyển
Giờ rời/đến nơi làm việc

Không gian đi lại

Nơi ở: nơi mọi người ngủ
Nơi làm việc: nơi làm việc; dùng để xác định dân số lao động cho quận, khu, v.v.

Thu phí ùn tắc ở New York

Đang được tranh luận ở NYC (đầu 2019)
Thử trước đó thất bại (2007)
Lo ngại chi phí với hộ thu nhập thấp và trung bình

Ảnh chụp từ trên cao các ô tô và taxi trên đường ở New York.

¹ Ảnh của Brian Jeffery Beggerly (CC BY 2.0)

Bảng B08519: Phương tiện đến nơi làm việc theo thu nhập 12 tháng qua (USD điều chỉnh lạm phát 2017) theo địa lý nơi làm việc

Tổng
    $1 đến $9,999 hoặc lỗ
    $10,000 đến $14,999
    $15,000 đến $24,999
    $25,000 đến $34,999
    $35,000 đến $49,999
    $50,000 đến $64,999
    $65,000 đến $74,999
    $75,000 trở lên
Ô tô/xe tải/van - tự lái
    <lặp lại các nhóm thu nhập>
Ô tô/xe tải/van - đi chung xe
    <lặp lại các nhóm thu nhập>
Giao thông công cộng (không gồm taxi)
    <lặp lại các nhóm thu nhập>
v.v.

Phản hồi API

print(r.json())

[['B08519_011E', 'B08519_012E', 'B08519_013E', 'B08519_014E', 'B08519_015E',
  'B08519_016E', 'B08519_017E', 'B08519_018E', 'B08519_020E', 'B08519_021E', 
  ... 
  'B08519_061E', 'B08519_062E', 'B08519_063E', 'state', 'county'], 
 ['10927', '9172', '19659', '22110', '32287', 
  '32977', '15693', '106972', '3663', '2518', 
  ...
  '7457', '2664', '20684', '36', '061']]

Tái định dạng dữ liệu

# Read data row into list
data_row = r.json()[1][:-2]

# Break data row into list of lists
iter_len = 8
data = [data_row[i:i+iter_len] for i in range(0, len(data_row), iter_len)]

print(data)

[['10927', '9172', '19659', '22110', '32287', '32977', '15693', '106972'], 
['3663', '2518', '5484', '5625', '8028', '7990', '3369', '22958'], 
['139358', '97178', '200514', '184510', '255491', '240973', '116673', '700808'], 
['16743', '9117', '15900', '13710', '17442', '20206', '10370', '85879'], ...]

Lập DataFrame

# Define row names and column names
modes = ["drove_alone", "carpooled", "public", "walked", "taxi", 
         "worked_at_home"]

incomes = ["0k", "10k", "15k", "25k", "35k", "50k", "65k", "75k"]

# Create DataFrame
manhattan = pd.DataFrame(data=data, index=modes, columns=incomes)
manhattan = manhattan.astype(int)

Lập DataFrame

print(manhattan)

                    0k    10k     15k   ...       50k     65k     75k
drove_alone      10716   8965   19294   ...     31502   15519  104078
carpooled         3740   2451    5852   ...      7994    3438   22625
public          140957  99474  197241   ...    235158  111959  654800
walked           16795   9045   15451   ...     20704   10663   83681
taxi              3201   2209    4515   ...      6551    3029   35572
worked_at_home    6854   3885    5489   ...      7776    2809   19598

[6 rows x 8 columns]

Vẽ heatmap

# Create heatmap of commuters by mode by income
sns.heatmap(manhattan, annot=manhattan // 1000, fmt="d", cmap="YlGnBu")

Bản đồ nhiệt với hàng là phương thức đi lại và cột là nhóm thu nhập, tô màu theo số người đi làm ở mỗi ô. Hàng giao thông công cộng đậm màu hơn, và ô giao thông công cộng với thu nhập trên $75,000 đậm nhất.

Ayo berlatih!

Phân tích dữ liệu Điều tra Dân số Hoa Kỳ bằng Python