数据挖掘-用python分析汽车油耗的csv数据（环境anaconda3和python3.6.1）

数据文件：（汽车油耗分析都是基于这个文件进行分析的）
下载地址：https://www.fueleconomy.gov/feg/download.shtml

一、环境安装与配置
1、下载安装jupyter notebook之前 ,先下载安装anaconda（我的电脑系统：windows10，64位）官网下载： https://www.anaconda.com/download/#windows

安装成功后，打开命令行窗口，输入【pip install jupyter】就可以下载安装jupyter，详见步骤3。
2、下载安装python3.6.1（提前已经安装并配置python环境），关于python的下载安装和配置可以百度，主要是配置环境变量path。安装配置成功后，在命令行中输入python，如图：

3、在安装好的Anaconda Prompt命令窗口中，输入pip install jupyter（图为安装成功后命令行显示）

4、安装ggplot（运行代码时报错，发现问题后，安装解决）
ggplot for python：ggplot是一个python的库，基本上是对R语言ggplot的功能移植到Python上。运行安装：pip install ggplot

5、将文件：vehicles.csv放到磁盘目录下：D:/model/vehicles.csv
（这里的路径要和代码中此处的路径一致 vehicles = pd.read_csv(“D:/model/vehicles.csv”) ）

二、在Jupyter Notebook中开始项目
1、打开Jupyter Notebook，新建python文件：

在In[ ]单元格中输入python命令：
import pandas as pd
import numpy as np
from ggplot import *
import matplotlib.pyplot as plt

%matplotlib inline

vehicles = pd.read_csv(“D:/model/vehicles.csv”)

print(vehicles.head())

按Shift+enter执行单元格代码，结果如图：

2、描述汽车油耗等数据：
接着上面的代码，继续输入：（将之前的代码注释掉，简化页面）
（1）、查看观测点（行）：len(vehicles)

（2）、查看变量数（列）：print (len(vehicles.columns))
print(vehicles.columns)

（3）、查看年份信息：print(len(pd.unique(vehicles.year)))
print(min(vehicles.year))
print(max(vehicles.year))

（4）、查看燃料类型：print(pd.value_counts(vehicles.fuelType))

（5）、查看变速箱类型： pd.value_counts(vehicles.trany)
trany变量自动挡是以A开头，手动挡是以M开头；故创建一个新变量trany2：
vehicles[‘trany2’] = vehicles.trany.str[0]
pd.value_counts(vehicles.trany2)

3、分析汽车油耗随时间变化的规律
（1）、先按年份分组：grouped = vehicles.groupby(‘year’)
再计算其中三列的均值：
averaged= grouped[‘comb08’, ‘highway08’, ‘city08’].agg([np.mean])
为方便分析,对其进行重命名,然后创建一个‘year’的列,包含该数据框data frame的索引：
averaged.columns = [‘comb08_mean’, ‘highwayo8_mean’, ‘city08_mean’]
averaged[‘year’] = averaged.index
print(averaged )

（2）、使用ggplot包将结果绘成散点图：allCarPlt = ggplot(averaged, aes(‘year’, ‘comb08_mean’)) + geom_point(colour=’steelblue’) + xlab(“Year”) + ylab(“Average MPG”) + ggtitle(“All cars”)
print(allCarPlt)

（3）、去除混合动力汽车：
criteria1 = vehicles.fuelType1.isin([‘Regular Gasoline’, ‘Premium Gasoline’, ‘Midgrade Gasoline’])
criteria2 = vehicles.fuelType2.isnull()
criteria3 = vehicles.atvType != ‘Hybrid’
vehicles_non_hybrid = vehicles[criteria1 & criteria2 & criteria3]
将得到的数据框data frame按年份分组，并计算平均油耗：
grouped = vehicles_non_hybrid.groupby([‘year’])
averaged = grouped[‘comb08’].agg([np.mean])
averaged[‘hahhahah’] = averaged.index
print(averaged)

（4）、查看是否大引擎的汽车越来越少：print(pd.unique(vehicles_non_hybrid.displ))

（5）、去掉nan值，并用astype方法保证各个值都是float型的：
criteria = vehicles_non_hybrid.displ.notnull()
vehicles_non_hybrid = vehicles_non_hybrid[criteria]
vehicles_non_hybrid.loc[:,’displ’] = vehicles_non_hybrid.displ.astype(‘float’)
criteria = vehicles_non_hybrid.comb08.notnull()
vehicles_non_hybrid = vehicles_non_hybrid[criteria]
vehicles_non_hybrid.loc[:,’comb08’] = vehicles_non_hybrid.comb08.astype(‘float’)
最后用ggplot包来绘图：
gasOnlineCarsPlt = ggplot(vehicles_non_hybrid, aes(‘displ’, ‘comb08’)) + geom_point(color=’steelblue’) +xlab(‘Engine Displacement’) + ylab(‘Average MPG’) + ggtitle(‘Gasoline cars’)
print(gasOnlineCarsPlt)

（6）、查看是否平均起来汽车越来越少了：
grouped_by_year = vehicles_non_hybrid.groupby([‘year’])
avg_grouped_by_year = grouped_by_year[‘displ’, ‘comb08’].agg([np.mean])
计算displ和conm08的均值，并改造数据框data frame：
avg_grouped_by_year[‘year’] = avg_grouped_by_year.index
melted_avg_grouped_by_year = pd.melt(avg_grouped_by_year, id_vars=’year’)
创建分屏绘图：
p = ggplot(aes(x=’year’, y=’value’, color = ‘variable_0’), data=melted_avg_grouped_by_year)
p + geom_point() + facet_grid(“variable_0”,scales=”free”) #scales参数fixed表示固定坐标轴刻度，free表示反馈坐标轴刻度
print(p)

4、调查汽车的制造商和型号
接下来的步骤会引导我们继续深入完成数据探索
（1）、首先查看cylinders变量有哪些可能的值：print(pd.unique(vehicles_non_hybrid.cylinders))

（2）、再将cylinders变量转换为float类型,这样可以轻松方便地找到data frame的子集：
vehicles_non_hybrid.cylinders = vehicles_non_hybrid.cylinders.astype(‘float’)
pd.unique(vehicles_non_hybrid.cylinders)

（3）、现在，我们可以查看各个时间段有四缸引擎汽车的品牌数量：
vehicles_non_hybrid_4 = vehicles_non_hybrid[(vehicles_non_hybrid.cylinders==4.0)]
grouped_by_year_4_cylinder =vehicles_non_hybrid_4.groupby([‘year’]).make.nunique()

plt.plot(grouped_by_year_4_cylinder)
plt.xlabel(“Year”)
plt.ylabel(“Number of 4-Cylinder Maker”)
plt.show()

分析：
我们可以从上图中看到，从1980年以来四缸引擎汽车的品牌数量呈下降趋势。然而，需要注意的是，这张图可能会造成误导，因为我们并不知道汽车品牌总数是否在同期也发生了变化。为了一探究竟，我们继续一下操作。

（4）、查看各年有四缸引擎汽车的品牌的列表，找出每年的品牌列表：
grouped_by_year_4_cylinder = vehicles_non_hybrid_4.groupby([‘year’])
unique_makes = []
from functools import reduce
for name, group in grouped_by_year_4_cylinder:
#list中存入set(),set里包含每年中的不同品牌：
unique_makes.append(set(pd.unique(group[‘make’])))
unique_makes = reduce(set.intersection, unique_makes)
print(unique_makes)

我们发现，在此期间只有12家制造商每年都制造四缸引擎汽车。
接下来，我们去发现这些汽车生产商的型号随时间的油耗表现。这里采用一个较复杂的方式。首先，创建一个空列表，最终用来产生布尔值Booleans。我们用iterrows生成器generator遍历data frame中的各行来产生每行及索引。然后判断每行的品牌是否在此前计算的unique_makes集合中，在将此布尔值Blooeans添加在Booleans_mask集合后面。

（5）、创建一个空列表，最终用来产生布尔值Booleans
boolean_mask = []
这里是注释#—用iterrows生成器generator遍历data frame中的各行来产生每行及索引：
for index, row in vehicles_non_hybrid_4.iterrows():
这里是注释#—判断每行的品牌是否在此前计算的unique_makes集合中,在将此布尔值Blooeans添加在Booleans_mask集合后面：
make = row[‘make’]
boolean_mask.append(make in unique_makes)
df_common_makes = vehicles_non_hybrid_4[boolean_mask]

这里是注释#—先将数据框data frame按year和make分组，然后计算各组的均值：
df_common_makes_grouped = df_common_makes.groupby([‘year’, ‘make’]).agg(np.mean).reset_index()
这里是注释#—最后利用ggplot提供的分屏图来显示结果：
oilWithTime = ggplot(aes(x=’year’, y=’comb08’), data = df_common_makes_grouped) + geom_line() + facet_wrap(‘make’)
print(oilWithTime)

这是使用python进行数据分析的简单实践，有利于进一步加深对数据挖掘的认识。

数据挖掘-用python分析汽车油耗的csv数据（环境anaconda3和python3.6.1）相关推荐

python计算汽车的平均油耗_用python对汽车油耗进行数据分析
原标题:用python对汽车油耗进行数据分析 - 从http://fueleconomy.gov/geg/epadata/vehicles.csv.zip 下载汽车油耗数据集并解压 - 进入jupyt ...
python汽车数据分析_用python对汽车油耗进行数据分析
原标题:用python对汽车油耗进行数据分析 - 从http://fueleconomy.gov/geg/epadata/vehicles.csv.zip 下载汽车油耗数据集并解压 - 进入jupyt ...
python计算汽车的平均油耗_用python对汽车油耗进行数据分析（anaconda python3.6完全跑通）...
原标题:用python对汽车油耗进行数据分析(anaconda python3.6完全跑通) 编者按:前两天我们微信发了一篇文章<用python对汽车油耗进行数据分析 >,有一网友学习后用 ...
R语言主成分回归（PCR）、多元线性回归特征降维分析光谱数据和汽车油耗、性能数据...
原文链接:http://tecdat.cn/?p=24152 什么是PCR?(PCR = PCA + MLR)(点击文末"阅读原文"获取完整代码数据). • PCR是处理许多 x ...
用python对汽车油耗进行数据分析（anaconda python3.6完全跑通）
1.下载汽车油耗数据集并解压下载地址:https://www.fueleconomy.gov/feg/download.shtml vehiclesData.py: #encoding = utf- ...
用Python分析了1w四六级数据，教你如何通过四六级！
微信改版,加星标不迷路! 用Python分析了1w四六级数据,教你如何通过四六级! 作者:阿广概述前言数据介绍预期结果实现过程搞笑一刻阿广说每日问题前言陈奕迅说过:在有生的瞬间,考 ...
python数据处理系列之读写csv数据
python数据处理系列之读写csv数据导入csv文件 pandas中导入csv数据用的方法是read_csv() import pandas as pd df = pd.read_csv(r'c: ...
Python分析抖音用户行为数据，看看发什么样的视频才会爆！
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. Python分析抖音用户行为数据视频讲解地址 https://www.bilibili.co ...
Python实现汽车油耗预测_基于Tensorflow2.X
目录一.开发环境二 .代码实现 2.1 准备操作 2.1.1 导入所需模块 2.1.2 matplotlib无法正常显示中文的解决方案(若无此情况可跳过) 2.2 加载数据集 2.3 数据处理 2 ...

数据挖掘-用python分析汽车油耗的csv数据（环境anaconda3和python3.6.1）

数据挖掘-用python分析汽车油耗的csv数据（环境anaconda3和python3.6.1）相关推荐

最新文章

热门文章