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。
以下文章来源于Python实用宝典 ，作者：肯德
前言
2014年在密苏里州一名叫做弗格森（Ferguson）的警察杀害了迈克尔·布朗（Michael Brown）后，美国开始了一场抗议警察暴力对待黑人的运动-Black Lives Matter（黑人的命也是命，简称BLM ）。
2020年，在明尼阿波利斯警察德里克·乔文杀害乔治·弗洛伊德（乔治·弗洛伊德）之后，BLM运动再次成为头条新闻，引起国际社会的进一步关注。
自2015年1月1日起，《华盛顿邮报》一直在整理一个数据库，其中记录了值班警员在美国发生的每起致命枪击事件。这个数据库里包含了死者的种族，年龄和性别，该人是否有武器，以及受害人是否正在遭受精神健康危机。
下面就让我们来使用这个数据集来进行数据分析。
1.准备
开始之前，你要确保Python和pip已经成功安装在电脑上，如果你用Python的目的是数据分析，可以直接安装Anaconda，它内置了Python和pip。
此外，推荐大家用VSCode编辑器，因为它可以在编辑器下面的终端运行命令安装依赖模块
本文提供了流程性，建议使用VSCode的Jupiter Notebook扩展，新建一个称为 test.ipynb 的文件，跟着教程一步步走下去。
Windows环境下打开Cmd（开始-运行-CMD），苹果系统环境下请打开Terminal（command +空格输入Terminal），输入命令安装依赖：
所需依赖：
<span>pip install numpy pip install pandas pip install plotly pip install seaborn</span>
www#gaodaima.com来源gaodai.ma#com搞##代!^码@网搞代码
本文译自：https：//www.kaggle.com/edoardo10/fatal-police-shooting-eda-plotly-seaborn/data
2.代码与分析
首先，约会我们分析所需要使用的模块：
<span>import</span><span> pandas as pd </span><span>import</span><span> matplotlib.pyplot as plt </span><span>import</span><span> seaborn as sns </span><span>import</span><span> numpy as np </span><span>from</span> datetime <span>import</span><span> datetime </span><span>import</span><span> plotly.express as px </span><span>import</span><span> plotly.graph_objects as go </span><span>import</span><span> warnings </span><span>import</span><span> plotly.offline as pyo pyo.init_notebook_mode() warnings.filterwarnings(</span><span>"</span><span>ignore</span><span>"</span><span>) pd.set_option(</span><span>"</span><span>display.max_columns</span><span>"</span>, 500<span>) sns.set_style(</span><span>"</span><span>white</span><span>"</span><span>) </span>%matplotlib inline
需要分析的数据集：
df = pd.read_csv(<span>"</span><span>./PoliceKillingsUS.csv</span><span>"</span>, encoding=<span>"</span><span>cp1252</span><span>"</span><span>) df.head()</span>
时间特征
从这6年的月度数据来看，我们可以看到，在2015年上半年，2018年初和2020年第一季度，我们达到了每月超过100起致命事故的高峰。从月度来看，这种现象不明显的后果。
df[<span>"</span><span>date</span><span>"</span>] = df[<span>"</span><span>date</span><span>"</span>].apply(<span>lambda</span><span> x: pd.to_datetime(x)) df[</span><span>"</span><span>date</span><span>"</span>].groupby(df.date.dt.to_period(<span>"</span><span>M</span><span>"</span>)).count().plot(kind=<span>"</span><span>line</span><span>"</span>)
看看警察枪击案的事故是否具有周末特征：
count = df[<span>"</span><span>date</span><span>"</span>].apply(<span>lambda</span> x: <span>"</span><span>Weekday</span><span>"</span> <span>if</span> x.dayofweek < 5 <span>else</span> <span>"</span><span>Weekend</span><span>"</span>).value_counts(normalize=<span>True) f, ax </span>= plt.subplots(1,1<span>) sns.barplot(x</span>=count.index, y=count.values, ax=ax, palette=<span>"</span><span>twilight</span><span>"</span>)
显然，我们没有证据表明周末会发生更多的案件。
不过，如果细化到星期里的每一天，我们会发现周中发生案件的概率较高：
count = df[<span>"</span><span>date</span><span>"</span>].apply(<span>lambda</span> x: x.dayofweek).value_counts(normalize=<span>True).sort_index() count.index </span>= [<span>"</span><span>Mon</span><span>"</span>,<span>"</span><span>Tue</span><span>"</span>,<span>"</span><span>Wed</span><span>"</span>,<span>"</span><span>Thu</span><span>"</span>,<span>"</span><span>Fri</span><span>"</span>,<span>"</span><span>Sat</span><span>"</span>,<span>"</span><span>Sun</span><span>"</span><span>] f, ax </span>= plt.subplots(1,1<span>) sns.barplot(x</span>=count.index, y=count.values, ax=ax, palette=<span>"</span><span>twilight</span><span>"</span><span>) ax.set_title(</span><span>"</span><span>Cases (%) for each day of the week</span><span>"</span>);
接下来看看以下4个特征的分布：
精神疾病的征兆：是否精神障碍
威胁等级：威胁等级
body_camera：警察是否带了随身摄像头
way_of_death：死亡方式
count_1 = df[<span>"</span><span>signs_of_mental_illness</span><span>"</span>].value_counts(normalize=<span>True) count_2 </span>= df[<span>"</span><span>threat_level</span><span>"</span>].value_counts(normalize=<span>True) count_3 </span>= df[<span>"</span><span>body_camera</span><span>"</span>].value_counts(normalize=<span>True) count_4 </span>= df[<span>"</span><span>manner_of_death</span><span>"</span>].value_counts(normalize=<span>True) fig, axes </span>= plt.subplots(2, 2, figsize=(8, 8), sharey=<span>True) sns.barplot(x</span>=count_1.index, y=count_1.values, palette=<span>"</span><span>rocket</span><span>"</span>, ax=<span>axes[0,0]) axes[0,0].set_title(</span><span>"</span><span>Signs of mental illness (%)</span><span>"</span><span>) sns.barplot(x</span>=count_2.index, y=count_2.values, palette=<span>"</span><span>viridis</span><span>"</span>, ax=axes[0,1<span>]) axes[0,</span>1].set_title(<span>"</span><span>Threat level (%)</span><span>"</span><span>) sns.barplot(x</span>=count_3.index, y=count_3.values, palette=<span>"</span><span>nipy_spectral</span><span>"</span>, ax=axes[1<span>,0]) axes[</span>1,0].set_title(<span>"</span><span>Body camera (%)</span><span>"</span><span>) sns.barplot(x</span>=count_4.index, y=count_4.values, palette=<span>"</span><span>gist_heat</span><span>"</span>, ax=axes[1,1<span>]) axes[</span>1,1].set_title(<span>"</span><span>Manner of death (%)</span><span>"</span>);
我们可以看到，只有20％的案例受害者有精神残疾的限额；
只有10％的警察有随身摄像头；
70％的情况被宣布为危险状况；
死亡方式似乎不是一个有趣的变量，因为大多数案件都是“枪毙”；
美国的警察是否具有种族主义倾向？
count = df.race.value_counts(normalize=<span>True) count.index </span>= [<span>"</span><span>White</span><span>"</span>, <span>"</span><span>Black</span><span>"</span>, <span>"</span><span>Hispanic</span><span>"</span>, <span>"</span><span>Asian</span><span>"</span>, <span>"</span><span>Native American</span><span>"</span>, <span>"</span><span>Other</span><span>"</span><span>] f, ax </span>= plt.subplots(1,1, figsize=(8,6<span>)) sns.barplot(y</span>=count.index, x=count.values, palette=<span>"</span><span>Reds_r</span><span>"</span><span>) ax.set_title(</span><span>"</span><span>Total cases for each race (%)</span><span>"</span>);
从上图我们知道，大部分致命的枪击事件中，涉及最多的是白人，其次是黑人和西班牙裔。
但这个图表并没有考虑人种比例。参考2019年美国的种族比例，我们可以看到，美国黑人受害者的比例更高：
数据来源：https ://data.census.gov/cedsci/table?q = Hispanic%20or%20Latino & tid = ACSDP1Y2019.DP05&hidePreview = false
share_race_usa_2019 = pd.Series([60.0, 12.4, 0.9, 5.6, 18.4, 2.7], index=[<span>"</span><span>White</span><span>"</span>,<span>"</span><span>Black</span><span>"</span>,<span>"</span><span>Native American</span><span>"</span>,<span>"</span><span>Asian</span><span>"</span>,<span>"</span><span>Hispanic</span><span>"</span>,<span>"</span><span>Other</span><span>"</span><span>]) count_races </span>= count /<span> share_race_usa_2019 count_races </span>= count_races.sort_values(ascending=<span>False) f, ax </span>= plt.subplots(1,1, figsize=(8,6<span>)) sns.barplot(y</span>=count_races.index, x=count_races.values, palette=<span>"</span><span>Greens_r</span><span>"</span><span>) ax.set_title(</span><span>"</span><span>Total cases for each race on total USA race percentage rate</span><span>"</span>);
受害者的年龄
接下来看看受害者年龄的分布密度图：
sns.set_style(<span>"</span><span>whitegrid</span><span>"</span><span>) fig, axes </span>= plt.subplots(1, 1, figsize=(10, 8<span>)) axes.xaxis.set_ticks(np.arange(0,</span>100,10<span>)) sns.kdeplot(df[df.race </span>== <span>"</span><span>N</span><span>"</span>].age, ax=axes, shade=True, color=<span>"</span><span>#7FFFD4</span><span>"</span><span>) sns.kdeplot(df[df.race </span>== <span>"</span><span>O</span><span>"</span>].age, ax=axes, shade=True, color=<span>"</span><span>#40E0D0</span><span>"</span><span>) sns.kdeplot(df[df.race </span>== <span>"</span><span>B</span><span>"</span>].age, ax=axes, shade=True, color=<span>"</span><span>#00CED1</span><span>"</span><span>) sns.kdeplot(df[df.race </span>== <span>"</span><span>H</span><span>"</span>].age, ax=axes, shade=True, color=<span>"</span><span>#6495ED</span><span>"</span><span>) sns.kdeplot(df[df.race </span>== <span>"</span><span>A</span><span>"</span>].age, ax=axes, shade=True, color=<span>"</span><span>#4682B4</span><span>"</span><span>) sns.kdeplot(df[df.race </span>== <span>"</span><span>W</span><span>"</span>].age, ax=axes, shade=True, color=<span>"</span><span>#008B8B</span><span>"</span>)
<code><span class="hljs-string"><span class="hljs-number"><span class="hljs-number"><span class="hljs-number"><span class="hljs-number"><span class="hljs-number"><span class="hljs-number"><span class="hljs-number"><span class="hljs-string"><span class="hljs-keyword"><span class="hljs-string"><span class="hljs-string"><span class="hljs-keyword"><span class="hljs-string"><span class="hljs-string"><span class="hljs-keyword"><span class="hljs-string"><span class="hljs-string"><span class="hljs-keyword"><span class="hljs-string"><span class="hljs-string"><span class="hljs-keyword"><span class="hljs-string"><span class="hljs-string"><span class="hljs-keyword"><span class="hljs-string"> legend = axes.legend_ legend.set_title(<span class="hljs-string">"Race") <span class="hljs-keyword">for t, l in zip(legend.texts,(<span class="hljs-string">"Native", <span class="hljs-string">"Other", <span class="hljs-string">"Black", <span class="hljs-string">"Hispanic", <span class="hljs-string">"Asian", <span class="hljs-string">"White")): t.set_text(l)</span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></code>
由这些叠加的密度图可以抛光：
对于而言和白人而言，大多数案件的受害者年龄都在30岁左右。
对于其他和印第安人来说，在大多数案件中，受害者大约28岁。
对于西班牙裔和黑人而言，大多数案件的受害者年龄都在25岁左右。
所以我们可以说，西班牙裔美国人和黑人的年轻人，是被警察开枪射击的高危人群。
受害者性别比例
按常理，这种暴力事件的受害者一般都为男性，看看是不是这样：
fig = px.pie(values = df.gender.value_counts(normalize=True).values, names=df.gender.value_counts(normalize=True).index, title=<span>"</span><span>Total cases gender (%)</span><span>"</span><span>) fig.update(layout</span>=dict(title=dict(x=0.5),autosize=False, width=400, height=400<span>)) fig.show()</span>
果然如此，超过95％的受害者都为男性。
简单的EDA分析就是这些，另外，作者还分享了很多深层次的分析，不过并没有将数据分享出来，这里就不展示了。
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：Python数据分析：美国警察枪击案EDA分析
转载请注明原文链接：Python数据分析：美国警察枪击案EDA分析
