我正在对芝加哥犯罪数据进行回归分析，我想对每个地区的年度犯罪计数进行汇总。我知道芝加哥犯罪数据非常大，但可以公开访问以了解这些数据。现在我做了 5 年期间每个地区的总犯罪计数，但我只是想看看每个地区的年度犯罪计数，我只对排名前 5 的犯罪感兴趣。
数据
这里是 keggle 上的芝加哥犯罪数据:chicago crime data
我做了什么:
crimes_2012 = pd.read_csv('Chicago_Crimes_2012_to_2017.csv', sep=',', error_bad_lines=False)
crimes_2012.drop_duplicates(subset=['ID', 'Case Number', 'Date'], inplace=True)
crimes_2012.drop(['Unnamed: 0','Case Number','IUCR','FBI Code','Updated On',
'X Coordinate','Y Coordinate'], inplace = True, axis = 1)
crimes_2012 = crimes_2012.dropna(axis = 0, how = 'any')
以下是我对每个地区的犯罪总数所做的操作:
df=crimes_2012[['Primary Type', 'Location Description', 'Community Area']]
crime_catg = df.groupby(['Community Name', 'Primary Type'])['Primary Type'].count().unstack()
crime_catg = crime_catg[['THEFT','BATTERY', 'CRIMINAL DAMAGE', 'NARCOTICS', 'ASSAULT']]
所需输出:
我想获取每个地区/社区区域每种犯罪类型的年度计数。像这样的东西:
有什么方便的方法可以轻松做到这一点吗？我尝试了 pandas 的交叉表，但实际上没有得到正确的输出。如何完成这个任务？
最佳答案
以下是创建所需交叉表的方法。有几个问题，首先您需要将列 'Date' 转换为日期时间类型。然后，我们将过滤 crimes_2012 框架的子集，仅包含您感兴趣的 5 项犯罪 boolean indexing和 Series.isin .
最后，创建 crosstab并使用sort_index以获得所需的形状。
crimes_2012['Date'] = pd.to_datetime(crimes_2012['Date'], format='%m/%d/%Y %H:%M:%S %p')
top_5_crimes = ['THEFT','BATTERY', 'CRIMINAL DAMAGE', 'NARCOTICS', 'ASSAULT']
df = crimes_2012[crimes_2012['Primary Type'].isin(top_5_crimes)]
df_cross = (pd.crosstab(index=df['Community Area'],
columns=[df['Date'].dt.year, df['Primary Type']])
.sort_index(axis=1, level=[1, 0]))
然后，如果您需要展平列级别，请使用:
df_cross.columns = ['{} {}'.format(crime, year) for year, crime in df_cross.columns]
[输出]
print(df_cross.head())
ASSAULT 2012 ASSAULT 2013 ASSAULT 2014 ASSAULT 2015 \
Community Area
0.0 0 0 0 0
1.0 340 303 257 234
2.0 254 225 201 166
3.0 244 277 210 233
4.0 124 111 85 99
ASSAULT 2016 BATTERY 2012 BATTERY 2013 BATTERY 2014 \
Community Area
0.0 0 0 0 0
1.0 227 991 866 776
2.0 198 658 669 574
3.0 241 736 667 593
4.0 93 354 352 319
BATTERY 2015 BATTERY 2016 ... NARCOTICS 2012 \
Community Area ...
0.0 0 0 ... 0
1.0 666 724 ... 485
2.0 544 534 ... 230
3.0 661 653 ... 735
4.0 288 288 ... 111
NARCOTICS 2013 NARCOTICS 2014 NARCOTICS 2015 \
Community Area
0.0 0 0 0
1.0 362 278 205
2.0 216 173 157
3.0 482 519 271
4.0 61 102 78
NARCOTICS 2016 THEFT 2012 THEFT 2013 THEFT 2014 \
Community Area
0.0 0 0 0 0
1.0 79 1043 1004 811
2.0 79 976 991 794
3.0 100 1338 1134 952
4.0 36 691 689 507
THEFT 2015 THEFT 2016
Community Area
0.0 0 0
1.0 845 851
2.0 669 694
3.0 879 968
4.0 499 514
关于python - 如何使用 pandas 交叉表汇总年度犯罪计数？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55750813/