Python與機器學(xué)習(xí)（第2版）（微課版） 課件 2-04-交叉分析任務(wù)實施

課程負(fù)責(zé)人：陳清華交叉分析任務(wù)實施【數(shù)據(jù)挖掘應(yīng)用】課程碳排放數(shù)據(jù)分析知識與能力目標(biāo)理解透視表、交叉表的作用會區(qū)分交叉分析與分組分析、分布分析的異同會使用透視表、交叉表對碳排放數(shù)據(jù)進(jìn)行交叉分析會使用熱力圖展現(xiàn)交叉分析結(jié)果碳排放數(shù)據(jù)交叉分析主要內(nèi)容任務(wù)工單引導(dǎo)問題任務(wù)評價標(biāo)準(zhǔn)任務(wù)解決方案代碼解析tpf.xlsx教學(xué)難點交叉分析以交叉表形式進(jìn)行變量間關(guān)系的對比分析，主要用于分析兩個變量之間的關(guān)系，通過交叉表呈現(xiàn)。任務(wù)概述

任務(wù)描述：使用透視表和交叉表工具，對中國1997-2019年各行業(yè)的碳排放數(shù)據(jù)在行業(yè)、年份維度進(jìn)行交叉分析。010010011001101010100100110110100101110101000100001011011101001010101101010011010010numyearitemRawCoalCleanedCoal...Scope1Total11997Farming,Forestry,AnimalHusbandry,FisheryandWaterConservancy30.897729120.416359042

74.3789848421997CoalMiningandDressing32.958534775.252869261

44.3459333231997PetroleumandNaturalGasExtraction5.2746735910.000619491

36.9702250641997FerrousMetalsMiningandDressing0.8354291580.002890957

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

任務(wù)要求任務(wù)概述行業(yè)與年份（1）什么是交叉分析？與分組分析、分布分析有何不同？（2）常用的交叉分析工具有哪些？Python中如何實現(xiàn)交叉分析？（3）Pandas中pivot_table()主要用來做什么？有哪些參數(shù)？如何指定需要分析的維度？（4）Pandas中crosstab()主要用來做什么？有哪些參數(shù)？（5）如何展現(xiàn)交叉分析結(jié)果？Matplotlib或Seaborn中如何繪制該圖？”

問題引導(dǎo)：任務(wù)概述

任務(wù)評價：任務(wù)概述評價內(nèi)容評價要點分值分?jǐn)?shù)評定自我評價1.任務(wù)實施數(shù)據(jù)透視表分析2分會按行業(yè)、年份進(jìn)行透視表分析得2分

數(shù)據(jù)交叉表分析2分會按行業(yè)、年份進(jìn)行交叉表分析得2分

2.結(jié)果展現(xiàn)數(shù)據(jù)可視化顯示4分能正確顯示透視表分析結(jié)果得1分，能正確顯示交叉表分析結(jié)果得1分，能用圖表展示交叉分析結(jié)果得2分

3.任務(wù)總結(jié)依據(jù)任務(wù)實施情況總結(jié)結(jié)論2分總結(jié)內(nèi)容切中本任務(wù)的重點要點得1分，能比較兩種方式的異同得1分

合計10分

部分?jǐn)?shù)據(jù)顯示第2行：導(dǎo)入pandas包，并給出別名pd。第3行：先按行業(yè)‘item’分組，再按年份‘year’分組#coding:utf-8importpandasaspdpd.pivot_table(df_detail,index=["item","year"],

values=["NaturalGas","Scope1Total"],

aggfunc=np.mean)任務(wù)解決方案步驟一：使用數(shù)據(jù)透視表對天然氣和合計碳排放量進(jìn)行交叉分析。任務(wù)解決方案crs=pd.crosstab(df_detail['item'],df_detail['year'],values=df_detail['NaturalGas'],aggfunc=np.mean)部分?jǐn)?shù)據(jù)顯示步驟二：使用交叉表對天然氣碳排放量進(jìn)行交叉分析。crs.head()第6行：使用熱力圖。第7、8行：定義x，y軸對應(yīng)的列名sns.heatmap(crs,cmap=‘rocket_r’)

plt.xlabel('Year')plt