Ensemble de données du Stanford Open Policing Project

Analyse de l'activité policière avec pandas

Kevin Markham

Founder, Data School

Introduction à l'ensemble de données

Interceptions routières par des policières et policiers

Carte du Stanford Open Policing Project

Téléchargez les données pour n'importe quel État : https://openpolicing.stanford.edu/

Préparer les données

Examiner les données
Nettoyer les données

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

Chaque ligne représente une interception routière
NaN indique une valeur manquante

Repérer les valeurs manquantes (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       
...

Repérer les valeurs manquantes (2)

ri.isnull().sum()

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

.sum() calcule la somme de chaque colonne
True = 1, False = 0

Supprimer une colonne

ri.isnull().sum()

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

ri.shape

(91741, 15)

La colonne county_name ne contient que des valeurs manquantes
Supprimez county_name avec la méthode .drop()

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

Supprimer des lignes

.dropna() : supprimer des lignes selon la présence de valeurs manquantes

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)

Passons à la pratique !

Analyse de l'activité policière avec pandas