Combien de temps pourriez-vous être retenu pour une infraction?

Analyse de l'activité policière avec pandas

Kevin Markham

Founder, Data School

Analyser une colonne de type object

apple

date_and_time         price    volume  change      
2018-01-08 16:00:00  174.35  20567800    down
...                     ...       ...     ...
2018-03-09 16:00:00  179.98  32185200      up

Créer une colonne booléenne : True si le prix monte, False sinon
Calculer la fréquence de hausse avec la moyenne de la colonne

apple.change.dtype

dtype('O')

.astype() ne fonctionne pas dans ce cas

Faire correspondre un ensemble de valeurs à un autre

Un dictionnaire fait correspondre les valeurs actuelles aux valeurs voulues

mapping = {'up':True, 'down':False}

apple['is_up'] = apple.change.map(mapping)

apple

date_and_time         price    volume change  is_up
2018-01-08 16:00:00  174.35  20567800   down  False
...                     ...       ...    ...    ...
2018-03-09 16:00:00  179.98  32185200     up   True

apple.is_up.mean()

0.5

Calculer le taux de fouille

Visualiser la fréquence des fouilles selon le type d'infraction

ri.groupby('violation').search_conducted.mean()

violation
Equipment              0.064280
Moving violation       0.057014
Other                  0.045362
Registration/plates    0.093438
Seat belt              0.031513
Speeding               0.021560

search_rate = ri.groupby('violation').search_conducted.mean()

Créer un diagramme à barres

search_rate.plot(kind='bar')
plt.show()

$Diagramme à barres du taux de fouille par type d'infraction$

Trier les barres (1)

Ordonner les barres de la plus petite à la plus grande

search_rate.sort_values()

violation
Speeding               0.021560
Seat belt              0.031513
Other                  0.045362
Moving violation       0.057014
Equipment              0.064280
Registration/plates    0.093438
Name: search_conducted, dtype: float64

Trier les barres (2)

search_rate.sort_values().plot(kind='bar')
plt.show()

$Diagramme à barres ordonné du taux de fouille par type d'infraction$

Pivoter les barres

search_rate.sort_values().plot(kind='barh')
plt.show()

$Diagramme à barres horizontal du taux de fouille par type d'infraction$

Passons à la pratique!

Analyse de l'activité policière avec pandas