实现Pandas服务热线数据分析

假设我们现在又一些电话服务热线数据，记录的是用户拨打某市电话服务热线的地点、内容、时间等数据，下面Pandas对其分析，原始数据集311-service-requests.csv可以直接找我要。

import pandas as pd
import matplotlib.pyplot as plt
#第一步 导入Pandas并准备画图环境
complaints = pd.read_csv(‘311-service-requests.csv’)
#第二步 查看数据列属性
complaints[:0]
#第三步 选择某一列并查看前5个元素
complaints[‘Complaint Type’][:5]
#第四步 选择多列并查看前5列
complaints[[‘Complaint Type’,‘Borough’]][:5]
#第五步 下面将分析出最常见的热线电话，也就是在“Complaint Type”列中出现次数最多的值。
complaint_counts = complaints[‘Complaint Type’].value_counts()
complaint_counts[:10]
#第六步 画出常用的电话类型直方图，如图2-4所示。
complaint_counts[:10].plot(kind=‘bar’)
#第七步 如果我们想要分析哪一个区的噪声投诉最多，也就是寻找“Compplaint Type”字段的值为“Noise-Street/Sidewalk”的记录，该怎么二做呢？
#这里我们构造一个bool序列
is_noise = complaints[‘Complaint Type’]==“Noise - Street/Sidewalk”
is_noise[:5]
#第八步 使用这个bool序列来选择数据中的对应记录
noise_complaints = complaints[is_noise]
noise_complaints[:3]
#第九步 统计Borough列中哪个值出现次数最多。
noise_complaints[‘Borough’].value_counts()
#第十步 计算噪声投诉占总数的百分比
noise_complaint_counts = noise_complaints[‘Borough’].value_counts()
complaint_counts = complaints[‘Borough’].value_counts()
percent = noise_complaint_counts / complaint_counts * 100
percent
#第十一步 画出噪声投诉最多的区域
percent.plot(kind=‘bar’)