pandas - cookbook 第三章 哪个区的噪音投诉最多？（或者，选择数据多样性）

以下内容翻译自 https://github.com/jvns/pandas-cookbook

complaints = pd.read_csv('../data/311-service-requests.csv')

我们继续纽约311投诉服务请求的例子。

3.1 只选择噪音投诉

想要知道那个区有最多的噪音投诉，首先，我们得看看数据长啥样。

complaints[:5]

为了获得噪音投诉，我们需要找到"投诉类型"所在得行，该行得列是"噪音-街道/人行道"，我会展示如何实现它，而且会解释为何如此。

noise_complaints = complaints[complaints['Complaint Type'] == "Noise - Street/Sidewalk"]
noise_complaints[:3]

如你看 noise_complaints, 你将看到是有效得。它只包含了正确得投诉类型。但是它为什么会这样？我们来将它拆分成两部分。

complaints['Complaint Type'] == "Noise - Street/Sidewalk"

这是一个大数组，包含了好多 True 和 False，每行都再我们得数据帧中，当我们用这个数组索引数据帧，我们得到了行是数组评估为True的行。这点特别重要，通过布尔数组来过滤数据帧，而且数据帧索引，必须与数据帧有相同的长度。

你同样可以将多个条件用 & 操作符连接，如下所示：

is_noise = complaints['Complaint Type'] == "Noise - Street/Sidewalk"
in_brooklyn = complaints['Borough'] == "BROOKLYN"
complaints[is_noise & in_brooklyn][:5]

或者我们只需要一部分列：

complaints[is_noise & in_brooklyn][['Complaint Type', 'Borough', 'Created Date', 'Descriptor']][:10]

3.2 numpy arrays 回归

在pandas内部，列的类型是 pd.Series，pandas Series 内部是 numpy arrays, 如果你添加 .values 到任何 Series 之后，你将的到内部的 numpy array.

3.3 哪个区有更多的噪音投诉？

is_noise = complaints['Complaint Type'] == "Noise - Street/Sidewalk"
noise_complaints = complaints[is_noise]
(noise_complaints['Borough'].value_counts())

是曼哈顿！但是如果我们将数量除以总数，这样数据就会更加敏感，这是很容易操作的。

noise_complaint_counts = noise_complaints['Borough'].value_counts()
complaint_counts = complaints['Borough'].value_counts()

noise_complaint_counts / complaint_counts