因違規被攔多久？

使用 pandas 分析警方執法活動

Kevin Markham

Founder, Data School

分析 object 欄位

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

建立布林欄位：價格上漲為 True，否則為 False
透過該欄位的平均值計算上漲頻率

apple.change.dtype

dtype('O')

此情況無法使用 .astype()

將一組值對應到另一組值

字典將現有值對應到目標值

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

計算搜查率

視覺化各違規類型後進行搜查的比率

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()

繪製長條圖

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

各違規類型的搜查率長條圖

排序長條（1）

依大小由左到右排序長條

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

排序長條（2）

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

各違規類型的搜查率（已排序）長條圖

旋轉長條

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

各違規類型的搜查率水平長條圖

一起來練習吧！

使用 pandas 分析警方執法活動