Python與機器學習（第2版）（微課版） 課件 2-03-分布分析任務實施

課程負責人：陳清華分布分析任務實施【數(shù)據(jù)挖掘應用】課程碳排放數(shù)據(jù)分析知識與能力目標會結(jié)合groupby()、cut()對碳排放數(shù)據(jù)進行分布分析會區(qū)分分組分析與分布分析的異同會選擇使用適當?shù)膱D表表達數(shù)據(jù)會使用Seaborn可視化包展現(xiàn)數(shù)據(jù)對碳排放數(shù)據(jù)進行分布分析主要內(nèi)容任務工單引導問題任務評價標準任務解決方案代碼解析tpf.xlsx教學難點分布分析法又稱直方圖法，是將搜集到的數(shù)據(jù)進行分組整理，繪制成頻數(shù)分布直方圖。本項目tpf.xlsx文件碳排放數(shù)據(jù)中，分組依據(jù)可以是年份、行業(yè)、能源等。任務概述

任務描述：現(xiàn)需基于獲得的數(shù)據(jù)，我們可使用cut()對數(shù)據(jù)進行分組，再通過groupby()對分組的數(shù)據(jù)進行聚合統(tǒng)計010010011001101010100100110110100101110101000100001011011101001010101101010011010010numyearitemRawCoalCleanedCoal...Scope1Total11997Farming,Forestry,AnimalHusbandry,FisheryandWaterConservancy30.897729120.416359042

74.3789848421997CoalMiningandDressing32.958534775.252869261

44.3459333231997PetroleumandNaturalGasExtraction5.2746735910.000619491

36.9702250641997FerrousMetalsMiningandDressing0.8354291580.002890957

3.81144775537889任務工單數(shù)據(jù)源tpf.xlsx顯示結(jié)果

任務要求任務概述按年份按原媒

占比（1）什么是分布分析？分布分析和分組分析有何區(qū)別？（2）Pandas包中的cut()主要用來做什么？包含哪些參數(shù)？（3）Pandas包中的groupby()如何利用cut()得到的分組結(jié)果進行統(tǒng)計？（4）Seaborn包主要用來做什么？Matplotlib以及Seaborn包中什么方法可以用來繪制直方圖？（5）如何使用distplot()編碼繪制頻數(shù)分布直方圖？主要參數(shù)有哪些？”

問題引導：任務概述

任務評價：任務概述評價內(nèi)容評價要點分值分數(shù)評定自我評價1.任務實施按年份分布分析2分能對年份進行正確分組得1分，能基于分組結(jié)果正確統(tǒng)計碳排放數(shù)據(jù)得1分

按原煤排放占比分布分析4分能正確求得原煤占比得2分，能對占比進行正確分組得1分，能基于分組結(jié)果正確統(tǒng)計碳排放數(shù)據(jù)得1分

2.結(jié)果展現(xiàn)數(shù)據(jù)可視化顯示3分能展現(xiàn)重點分析對象得1分，能展現(xiàn)不同占比分析結(jié)果得2分

3.任務總結(jié)依據(jù)任務實施情況總結(jié)結(jié)論1分總結(jié)內(nèi)容切中本任務的重點要點得1分

合計10分

第1行：按year列分組并且算出他們的平均值第2行：把之前從表格中取出得df_detail_year列重置索引df_detail_year=df_detail.groupby(['year']).mean()df_detail_year=pd.DataFrame(df_detail_year).reset_index()year_groups=pd.cut(df_detail_year['year'],bins=[1995,2000,2005,2010,2015,2020])第3行：每五年為一組任務解決方案步驟一：按年份實現(xiàn)天然氣平均碳排放分布分析。NaturalGas_year=df_detail_year.groupby(year_groups)['NaturalGas'].mean()第4行：按時期分組，求出平均值任務解決方案數(shù)據(jù)顯示第6行：顯示數(shù)據(jù)NaturalGas_year.head()第5行：重置索引NaturalGas_year=pd.DataFrame(NaturalGas_year).reset_index()步驟一：按年份實現(xiàn)天然氣平均碳排放分布分析。任務解決方案NaturalGas_year.plot(x='year',y='NaturalGas',kind='bar',figsize=(6,6),width=1,label='NaturalGas')步驟二：為更晰地展現(xiàn)分析結(jié)果，我們使用柱狀圖表達數(shù)據(jù)plt.xlabel('Period’)plt.ylabel('CO2/Mt')第7行：創(chuàng)建一個大小為（6，6）的柱狀圖，寬為1，x軸為year列，y軸為‘NaturalGas‘列，圖例是'NaturalGas'第1行：以year列進行分組并計算出他們的總數(shù)第2行：重置索引df_detail_sum=df_detail.groupby(['year']).sum()df_detail_sum=pd.DataFrame(df_detail_sum).reset_index()df_detail_sum['RawCoalPercent']=df_detail_sum['RawCoal']*100/df_detail_sum['Scope1Total']任務解決方案第4行：每數(shù)據(jù)集中特征進行分組，對50%-70%的數(shù)據(jù)進行細分percent_groups=pd.cut(df_detail_sum['RawCoalPercent'],bins=[0,40,50,55,60,65,70,100])步驟三：按原煤碳排放占比進行分組，實現(xiàn)占比計數(shù)分布分析第3行：占比百分比任務解決方案percentRawCoal=df_detail_sum.groupby(percent_groups)['year'].count()第6行：顯示數(shù)據(jù)數(shù)據(jù)顯示percentRawCoal.head()步驟三：按原煤碳排放占比進行分組，實現(xiàn)占比計數(shù)分布分析第1行：導入seaborn包，命名為snsimportseabornassns任務解決方案第3行：x軸命名為‘CO2/%’sns.distplot(df_detail_sum['RawCoalPercent'],

bins=[0,40,50,55,60,65,70,100])plt.xlabel('CO2/%')步驟五：為更晰地展現(xiàn)分析結(jié)果，使用Seaborn中distplot()來匯制分布圖以表達數(shù)據(jù)任務解決方案

練一練：按行業(yè)分析碳排放量分布，分析天然氣平均碳排放量在各行業(yè)的分布情況。（1）統(tǒng)計各行業(yè)年平均碳排放情況df_detail_item=df_detail.groupby(['item']).mean()df_detail_item=pd.DataFrame(df_detail_item).reset_index()（2）統(tǒng)計天然氣平均碳排放量在不同行業(yè)的分布情況gas_groups=pd.cut(df_detail_item['NaturalGas'],bins=[0,1,2,4,6,8])naturalGas=df_detail_item.groupby(gas_groups)['year'].count()任務解決方案(3)可視化顯示天然氣平均碳排放量分布情況sns.distplot(df_detail_it