Czy płeć wpływa na to, kto jest przeszukiwany?

Analiza aktywności policji z 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
...

.value_counts() domyślnie wyklucza brakujące wartości
dropna=False wyświetla brakujące wartości

Analiza typów przeszukań

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
...

Wiele wartości jest oddzielonych przecinkami
219 przeszukań, w których „Inventory" był jedynym typem
Wyszukiwanie „Inventory" wśród wielu typów przeszukań

Wyszukiwanie ciągu znaków (1)

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

str.contains() zwraca True, jeśli ciąg zostanie znaleziony, lub False w przeciwnym razie
na=False zwraca False w przypadku brakującej wartości

Wyszukiwanie ciągu znaków (2)

ri.inventory.dtype

dtype('bool')

True oznacza wykonanie inwentaryzacji, False — jej brak

ri.inventory.sum()

Obliczanie wskaźnika inwentaryzacji

ri.inventory.mean()

0.0050961449570121106

0,5% wszystkich zatrzymań drogowych zakończyło się inwentaryzacją

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

0.13335349259147264

13,3% przeszukań obejmowało inwentaryzację

Czas na ćwiczenia!

Analiza aktywności policji z pandas