data-analysis.jpeg

并未发于微信公众号 DongTalks …… 但还是欢迎关注 DongTalks ，让我们一起聊聊个人成长、职场、电影、音乐、运动等话题。
本帐号所有文章均为原创。文章可以随意转载，但请务必注明作者。如果觉得文章有用，欢迎转发朋友圈分享。

---

1. 背景

解密大数据社群第一次作业，分析某地一年的天气情况。

2. 环境

Python 3,根据课程要求用 Jupyter。

3. 分析

3.1 观察

用 pandas 的 read_csv 功能读入数据文件，自动生成 DataFrame，方便的不要不要的。

csvfile = open('weatherdata.csv', 'r')
wdata = pd.read_csv(csvfile, parse_dates=True, index_col='Date')

用 wdata.describe() 先对数据有个整体概念。虽说数据分析以数据为主，但数据也要靠人来观察。

-	TemperatureF	Humidity	SeaLevelPressureIn	VisibilityMiles	WindSpeedMPH	CloudCover
count	365.000000	365.000000	365.000000	365.000000	365.000000	365.000000
mean	51.693151	71.178082	30.062027	8.402740	7.219178	4.191781
std	18.164513	13.646380	0.186156	1.961019	3.300211	2.647088
min	9.000000	34.000000	29.450000	1.000000	1.000000	0.000000
25%	34.000000	63.000000	29.930000	7.000000	5.000000	2.000000
50%	55.000000	72.000000	30.070000	9.000000	7.000000	4.000000
75%	68.000000	82.000000	30.180000	10.000000	9.000000	6.000000
max	80.000000	97.000000	30.600000	10.000000	21.000000	8.000000

一堆数字，能看懂个 count 是365，好吧这是一年的数据；mean 平均值，但对这个数据有什么用我一直搞不懂。平均值掩盖了很多真正有价值的信息。比如某地年平均气温 10°，感觉气候宜人是不？但要么热的要死到达40°，要么冷的要死-40°，这种平均值又能说明什么问题？

剩下最大最小以及中间一些分位之类，看数字没啥感觉。以前迷恋数字，现在开始迷恋数据可视化。那就继续走起。

3.2 图表

先看看温度。数据估计来自老美，用的还是华氏度，没感觉，于是换成摄氏度。

wdata['TemperatureC'] = (wdata['TemperatureF'] - 32)/1.8
wdata.plot(y='TemperatureC')

结果如下

TemperatureC.png

貌似气温波动挺大啊。对，看看温差怎样。

wdata['TemperatureDiff'] = wdata.TemperatureC - wdata.TemperatureC.shift(1)
wdata.plot(y='TemperatureDiff')

TemperatureDiff.png

呃，前后两天温度变化在10~15度之间，还真是大啊。这个地方的人民生活不怎么幸福啊。

其他湿度啥的，都可以用类似的方法观察。我对刮风下雨之类倒是更感兴趣一些，比如统计一下有多少种天气，各种一年中有几天之类，但翻了半天pandas的文档没有找到合适的方法。哎，等进一步课程吧……

---

Buy-me-beer.jpg

---

DongTalks.jpg