【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

1. import pandas as pd
3. df = pd.read_csv('.\data\AgeDatasetV1.csv')
4. df.info()
6. df.describe().to_excel(r'.\result\describe.xlsx')
7. df.isnull().sum().to_excel(r'.\result\nullsum.xlsx')
8. df[df.duplicated()].to_excel(r'.\result\duplicated.xlsx')
10. df.rename(columns=lambda x: x.replace(' ', '_').replace('-', '_'), inplace=True)
11. print(df.columns)
12. 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

1. import pandas as pd
2. import matplotlib.pyplot as plt
3. import seaborn as sns

复制代码

1. plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文标签
2. plt.rcParams['axes.unicode_minus'] = False
4. df1 = pd.read_csv('./data/AgeDatasetV1.csv')
5. # 列名规范化 重命名
6. df1.rename(columns=lambda x: x.replace(' ', '_').replace('-', '_'), inplace=True)
7. print(df1.columns)
9. # print(Data.corr()) # 相关性
10. # 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 &