性別によって違反の種類は異なるか？

pandasで警察活動を分析する

Kevin Markham

Founder, Data School

一意な値のカウント（1）

.value_counts()：Seriesの一意な値をカウントする
カテゴリデータに最適

ri.stop_outcome.value_counts()

Citation            77091
Warning              5136
Arrest Driver        2735
No Action             624
N/D                   607
Arrest Passenger      343
Name: stop_outcome, dtype: int64

一意な値のカウント（2）

ri.stop_outcome.value_counts().sum()

ri.shape

(86536, 13)

カウントを割合で表す

ri.stop_outcome.value_counts()

77091/86536

0.8908546731995932

Citation            77091
Warning              5136
Arrest Driver        2735
No Action             624
N/D                   607
Arrest Passenger      343

ri.stop_outcome.value_counts(
  normalize=True)

Citation            0.890855
Warning             0.059351
Arrest Driver       0.031605
No Action           0.007211
N/D                 0.007014
Arrest Passenger    0.003964

DataFrameの行のフィルタリング

ri.driver_race.value_counts()

White       61870
Black       12285
Hispanic     9727
Asian        2389
Other         265

white = ri[ri.driver_race == 'White']

white.shape

(61870, 13)

2グループの停車結果の比較

white.stop_outcome.value_counts(
  normalize=True)

Citation            0.902263
Warning             0.057508
Arrest Driver       0.024018
No Action           0.007031
N/D                 0.006433
Arrest Passenger    0.002748

asian = ri[ri.driver_race ==
           'Asian']

asian.stop_outcome.value_counts(
  normalize=True)

Citation            0.922980
Warning             0.045207
Arrest Driver       0.017581
No Action           0.008372
N/D                 0.004186
Arrest Passenger    0.001674

練習しましょう！

pandasで警察活動を分析する