आवागमन पैटर्न

Python में US Census डेटा का विश्लेषण

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

आवागमन टेबल्स

आवागमन विषय

परिवहन माध्यम (कार, पब्लिक ट्रांजिट, आदि)
यात्रा समय
काम पर निकलने/पहुँचने का समय

आवागमन भूगोल

निवास: जहाँ लोग सोते हैं
कार्यस्थल: जहाँ लोग काम करते हैं; काउंटी, ट्रैक्ट आदि के लिए कार्यबल जनसंख्या निकालने में उपयोगी

न्यूयॉर्क सिटी में कंजेशन प्राइसिंग

NYC में वर्तमान में बहस का विषय (2019 की शुरुआत)
पिछला प्रयास विफल रहा (2007)
कम और मध्यम आय वाले घरों के लिए लागत को लेकर चिंताएँ

न्यूयॉर्क सिटी की सड़क पर ऊपर से कारों और टैक्सियों का दृश्य.

¹ Photo by Brian Jeffery Beggerly (CC BY 2.0)

Table B08519: Workplace Geography के लिए पिछले 12 महीनों में Workers' Earnings (2017 की मुद्रास्फीति-समायोजित डॉलर) के अनुसार Means Of Transportation To Work

Total
    $1 to $9,999 or loss
    $10,000 to $14,999
    $15,000 to $24,999
    $25,000 to $34,999
    $35,000 to $49,999
    $50,000 to $64,999
    $65,000 to $74,999
    $75,000 or more
Car truck or van - drove alone
    <repeat income categories>
Car truck or van - carpooled
    <repeat income categories>
Public transportation (excluding taxicab)
    <repeat income categories>
etc...

API प्रतिक्रिया

print(r.json())

[['B08519_011E', 'B08519_012E', 'B08519_013E', 'B08519_014E', 'B08519_015E',
  'B08519_016E', 'B08519_017E', 'B08519_018E', 'B08519_020E', 'B08519_021E', 
  ... 
  'B08519_061E', 'B08519_062E', 'B08519_063E', 'state', 'county'], 
 ['10927', '9172', '19659', '22110', '32287', 
  '32977', '15693', '106972', '3663', '2518', 
  ...
  '7457', '2664', '20684', '36', '061']]

डेटा का रीशेपिंग

# Read data row into list
data_row = r.json()[1][:-2]

# Break data row into list of lists
iter_len = 8
data = [data_row[i:i+iter_len] for i in range(0, len(data_row), iter_len)]

print(data)

[['10927', '9172', '19659', '22110', '32287', '32977', '15693', '106972'], 
['3663', '2518', '5484', '5625', '8028', '7990', '3369', '22958'], 
['139358', '97178', '200514', '184510', '255491', '240973', '116673', '700808'], 
['16743', '9117', '15900', '13710', '17442', '20206', '10370', '85879'], ...]

DataFrame बनाना

# Define row names and column names
modes = ["drove_alone", "carpooled", "public", "walked", "taxi", 
         "worked_at_home"]

incomes = ["0k", "10k", "15k", "25k", "35k", "50k", "65k", "75k"]

# Create DataFrame
manhattan = pd.DataFrame(data=data, index=modes, columns=incomes)
manhattan = manhattan.astype(int)

DataFrame बनाना

print(manhattan)

                    0k    10k     15k   ...       50k     65k     75k
drove_alone      10716   8965   19294   ...     31502   15519  104078
carpooled         3740   2451    5852   ...      7994    3438   22625
public          140957  99474  197241   ...    235158  111959  654800
walked           16795   9045   15451   ...     20704   10663   83681
taxi              3201   2209    4515   ...      6551    3029   35572
worked_at_home    6854   3885    5489   ...      7776    2809   19598

[6 rows x 8 columns]

हीटमैप बनाना

# Create heatmap of commuters by mode by income
sns.heatmap(manhattan, annot=manhattan // 1000, fmt="d", cmap="YlGnBu")

एक हीटमैप जिसमें पंक्तियों में कम्यूट मोड और स्तंभों में आय श्रेणियाँ हैं, हर सेल का रंग वहाँ के यात्रियों की संख्या दर्शाता है. सार्वजनिक ट्रांजिट वाली पंक्ति गहरी है, और $75,000 से अधिक आय वाले सार्वजनिक ट्रांजिट यात्रियों की सेल सबसे गहरी है.

अभ्यास करते हैं!

Python में US Census डेटा का विश्लेषण