Setul de date Stanford Open Policing Project

Analiza activității polițienești cu pandas

Kevin Markham

Founder, Data School

Introducere în setul de date

Opriri în trafic efectuate de polițiști

Harta Stanford Open Policing Project

Descărcați date pentru orice stat: https://openpolicing.stanford.edu/

Pregătirea datelor

Examinarea datelor
Curățarea datelor

import pandas as pd
ri = pd.read_csv('police.csv')
ri.head(3)

  state   stop_date stop_time  county_name driver_gender driver_race
0    RI  2005-01-04     12:55          NaN             M       White
1    RI  2005-01-23     23:15          NaN             M       White
2    RI  2005-02-17     04:15          NaN             M       White

Fiecare rând reprezintă o oprire în trafic
NaN indică o valoare lipsă

Localizarea valorilor lipsă (1)

ri.isnull()

   state stop_date stop_time county_name driver_gender
0  False     False     False        True         False       
1  False     False     False        True         False       
2  False     False     False        True         False       
...

Localizarea valorilor lipsă (2)

ri.isnull().sum()

state                     0
stop_date                 0
stop_time                 0
county_name           91741
driver_gender          5205
...

.sum() calculează suma fiecărei coloane
True = 1, False = 0

Eliminarea unei coloane

ri.isnull().sum()

state                     0
stop_date                 0
stop_time                 0
county_name           91741
driver_gender          5205
driver_race            5202
...

ri.shape

(91741, 15)

Coloana county_name conține doar valori lipsă
Eliminați county_name cu metoda .drop()

ri.drop('county_name', 
  axis='columns', inplace=True)

Eliminarea rândurilor

.dropna(): Elimină rândurile cu valori lipsă

ri.head()

  state   stop_date stop_time driver_gender driver_race
0    RI  2005-01-04     12:55             M       White
1    RI  2005-01-23     23:15             M       White
2    RI  2005-02-17     04:15             M       White
3    RI  2005-02-20     17:15             M       White
4    RI  2005-02-24     01:20             F       White

ri.dropna(subset=['stop_date', 'stop_time'], inplace=True)

Să exersăm!

Analiza activității polițienești cu pandas