2003031123-钱兴浪-python数据分析五一假期作业

作业：

一、分析1996~2015年人口数据特征间的关系

import numpy as np
import matplotlib.pyplot as plt
data=np.load(r'C:\Users\钱xinglang\Desktop\populations.npz',allow_pickle=True)
print(data.files)
print(data['data'])
print(data['feature_names'])
plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示
plt.rcParams['axes.unicode_minus'] = False# 防止字符无法显示
name=data['feature_names']#提取其中的feature_names数组，视为数据的标签
values=data['data']#提取其中的data数组，视为数据的存在位置
p1=plt.figure(figsize=(12,12))#确定画布
pip1=p1.add_subplot(2,1,1)#创建个两列的图并开始绘制
#在图上绘制散点图
plt.scatter(values[0:20,0],values[0:20,1])#,marker='8',color='red'
plt.ylabel('总人口（万）')
plt.legend('年末')
plt.title('1996~2015年末与各类人口散点图')
pip2=p1.add_subplot(2,1,2)#绘制图2
plt.scatter(values[0:20,0],values[0:20,2])#,marker='o',color='yellow'
plt.scatter(values[0:20,0],values[0:20,3])#,marker='D',color='green'
plt.scatter(values[0:20,0],values[0:20,4])#,marker='p',color='blue'
plt.scatter(values[0:20,0],values[0:20,5])#,marker='s',color='purple'
plt.xlabel('时间')
plt.ylabel('总人口（万人）')
plt.xticks(values[0:20,0])
plt.legend(['男性','女性','城镇','乡村'])
#在图上绘制折线图
p2=plt.figure(figsize=(12,12))
p1=p2.add_subplot(2,1,1)
plt.plot(values[0:20,0],values[0:20,1])#，linestyle = '-',color='r',marker='8'
plt.ylabel('总人口（万人）')
plt.xticks(range(0,20,1),values[range(0,20,1),0],rotation=45)#rotation设置倾斜度
plt.legend('年末')
plt.title('1996~2015年末总与各类人口折线图')
p2=p2.add_subplot(2,1,2)
plt.plot(values[0:20,0],values[0:20,2])#,'y-'
plt.plot(values[0:20,0],values[0:20,3])#,'g-.'
plt.plot(values[0:20,0],values[0:20,4])#,'b-'
plt.plot(values[0:20,0],values[0:20,5])#,'p-'
plt.xlabel('时间')
plt.ylabel('总人口（万人）')
plt.xticks(values[0:20,0])
plt.legend(['男性','女性','城镇','乡村'])
#显示图片
plt.show()

二、读取并查看P2P网络贷款数据主表的基本信息

import os
import pandas as pd
master = pd.read_csv('C:/Users/钱xinglang/Desktop/Training_Master.csv',encoding='gbk',engine='python')#在read_csv里面设置engine参数,避免文件初始化失败
print('P2P网络贷款主表数据的维度为：',master.ndim)
print('P2P网络贷款主表数据的形状大小为：',master.shape)
print('P2P网络贷款主表数据的占用内存为：',master.memory_usage)
print('P2P网络贷款主表数据的描述性统计为：\n',master.describe())

三、提取用户信息更新表和登录信息表的时间信息

import pandas as pd
LogInfo  = pd.read_csv(r'C:\Users\钱xinglang\Desktop\Training_LogInfo.csv',encoding='gbk',engine='python')
Userupdate   = pd.read_csv(r'C:\Users\钱xinglang\Desktop\Training_Userupdate.csv',encoding='gbk',engine='python')
# 转换时间字符串
LogInfo['Listinginfo1']=pd.to_datetime(LogInfo['Listinginfo1'])
LogInfo['LogInfo3']=pd.to_datetime(LogInfo['LogInfo3'])
print('转换登录信息表的时间字符串前5行：\n',LogInfo.head())
Userupdate['ListingInfo1']=pd.to_datetime(Userupdate['ListingInfo1'])
Userupdate['UserupdateInfo2']=pd.to_datetime(Userupdate['UserupdateInfo2'])
print('转换用户信息更新表的时间字符串前5行：\n',Userupdate.head())

四、使用分组聚合方法进一步分析用户信息更新表和登录信息表

import pandas as pd
import numpy as np
LogInfo = pd.read_csv(r'C:\Users\钱xinglang\Desktop\Training_LogInfo.csv',encoding='gbk',engine='python')
Userupdate = pd.read_csv(r'C:\Users\钱xinglang\Desktop\Training_Userupdate.csv',encoding='gbk',engine='python')
# 使用groupby方法对用户信息更新表和登录信息表进行分组
LogGroup = LogInfo[['Idx','LogInfo3']].groupby(by = 'Idx')
UserGroup = Userupdate[['Idx','UserupdateInfo2']].groupby(by = 'Idx')
# 使用agg方法求取分组后的最早，最晚，更新登录时间
print('分组后的最早登录时间为：\n',LogGroup.agg(np.min))
print('分组后的最晚登录时间为：\n',LogGroup.agg(np.max))
print('分组后的最早更新时间为：\n',UserGroup.agg(np.min))
print('分组后的最晚更新时间为：\n',UserGroup.agg(np.max))
# 使用size方法求取分组后的数据的信息更新次数与登录次数
print('分组后的数据的信息更新次数为：\n',LogGroup.size())
print('分组后的数据的登录次数为：\n',UserGroup.size())