ToB企服应用市场:ToB评测及商务社交产业平台

标题: 【数据分析】python带你分析122万人的生活工作和死亡数据 [打印本页]

作者: 圆咕噜咕噜 时间: 2022-10-12 22:54
标题: 【数据分析】python带你分析122万人的生活工作和死亡数据
前言

嗨喽~大家好呀，这里是魔王呐 !

闲的无聊的得我又来倒腾代码了~
今天给大家分享得是——122万人的生活工作和死亡数据分析
准备好了嘛~现在开始发车喽！！
@TOC
所需素材

获取素材点击
代码

import pandas as pd
df = pd.read_csv('.\data\AgeDatasetV1.csv')
df.info()
df.describe().to_excel(r'.\result\describe.xlsx')
df.isnull().sum().to_excel(r'.\result\nullsum.xlsx')
df[df.duplicated()].to_excel(r'.\result\duplicated.xlsx')
df.rename(columns=lambda x: x.replace(' ', '_').replace('-', '_'), inplace=True)
print(df.columns)
print(df[df['Birth_year'] < 0].to_excel(r'.\result\biryear0.xlsx')) # 出生负数表示公元前

复制代码

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

复制代码

plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文标签
plt.rcParams['axes.unicode_minus'] = False
df1 = pd.read_csv('./data/AgeDatasetV1.csv')
# 列名规范化重命名
df1.rename(columns=lambda x: x.replace(' ', '_').replace('-', '_'), inplace=True)
print(df1.columns)
# print(Data.corr()) # 相关性
# print(df1['Gender'].unique()) # 性别

复制代码

[code]# # 按不同年龄范围的死亡率百分比plt.figure(figsize=(12, 10))count = [df1[df1['Age_of_death'] > 100].shape[0], df1.shape[0] - df1[(df1['Age_of_death'] 90)].shape[0], df1[(df1['Age_of_death'] 70)].shape[0], df1[(df1['Age_of_death'] 50)].shape[0], df1.shape[0] - (df1[df1['Age_of_death'] > 100].shape[0] + df1[(df1['Age_of_death'] 90)].shape[0] + df1[(df1['Age_of_death'] 50)].shape[0] + df1[(df1['Age_of_death'] 70)].shape[0]) ]age = ['> 100', '> 90 & 70 & 50 &

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)