Stanford Open Policing Project-datamängd

Analysera polisaktivitet med pandas

Kevin Markham

Founder, Data School

Introduktion till datamängden

Trafikstopp av poliser

Karta över Stanford Open Policing Project

Ladda ned data för valfri delstat: https://openpolicing.stanford.edu/

Förbereda datan

Undersök datan
Rensa datan

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

Varje rad representerar ett trafikstopp
NaN indikerar ett saknat värde

Hitta saknade värden (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       
...

Hitta saknade värden (2)

ri.isnull().sum()

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

.sum() beräknar summan för varje kolumn
True = 1, False = 0

Ta bort en kolumn

ri.isnull().sum()

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

ri.shape

(91741, 15)

Kolumnen county_name innehåller bara saknade värden
Ta bort county_name med metoden .drop()

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

Ta bort rader

.dropna(): tar bort rader baserat på förekomst av saknade värden

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)

Nu kör vi en övning!

Analysera polisaktivitet med pandas