地震数据的分析

重大地震，1965年至2016年
所有震级为5.5级以上的地震的日期，时间和地点

import numpy as np
import pandas as pd
import datetime

path='/Users/zhongyaode/Desktop/kaggle-data/'
df=pd.read_csv(path+'database.csv')

df.head()

指标一：平均每年发生多少次;
指标二：年均的级数,；
指标三：级数大于平均级数的总次数；
指标五：地震趋势；
把Date转换成日期格式
magnitude-地震级数；Depth-地震深度；Magnitude Typ-地震类型

df['Date']=pd.to_datetime(df['Date'])

df.iloc[0,0]

Timestamp('1965-01-02 00:00:00')

output_26_0.png output_28_0.png

start_date=df.iloc[0,0]
end_date=df.iloc[-1,0]

print start_date

1965-01-02 00:00:00

print end_date

2016-12-30 00:00:00

delta=(end_date-start_date)/np.timedelta64(1,'D')
#delta=(endTime-startTime)/np.timedelta64(1,'D')
year=delta/365
delta

18990.0

year

52.027397260273972

count=len(df['Time'])
count

23412

#平均每年发生多少次
year_cishu=count/year
year_cishu

449.99368088467617

#这里可以看出每年平均发生450次地震

print df['Magnitude'].sum()

137721.81

total=0
for  x in df['Magnitude']:
    total=total+x
print total

137721.81

#平均每次的地震级数
pingjunjishu=total/count
pingjunjishu

5.8825307534600029

#可以看出每年平均发生500次，每次地震的平均级数是5.88级

cishu=0
for x in df['Magnitude']:
    if x >pingjunjishu:
        x=1
        cishu+=1

print cishu

9304

dayu7=0
for x in df['Magnitude']:
    if x >7:
        x=1
        dayu7+=1

print dayu7

570

dayu8=0
for x in df['Magnitude']:
    if x >8:
        x=1
        dayu8+=1

print dayu8

27

dayu9=0
for x in df['Magnitude']:
    if x >9:
        x=1
        dayu9+=1

print dayu9

2

#有9304的地震大于平均级数
#有570次大于7级
#27次大于8级
#两次大于9级

#画级数的直方图，动态分布图，

import matplotlib.pyplot as plt
from scipy import stats

size_data=df['Magnitude']
size_data.shape

(23412,)

fig=plt.figure()
x=df['Magnitude']
ax=fig.add_subplot(111)
numBins=20
ax.hist(x,numBins,color='red',alpha=0.8,rwidth=0.9)
plt.title(u'jishusize')
plt.show()

#级数的动态分布
import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt 
%matplotlib inline
%config InlineBackend.figure_format='retina'
def normfun(x,mu,sigma):
    pdf=np.exp(-((x-mu)**2)/(2*sigma**2))/(sigma*np.sqrt(2*np.pi))
    return pdf

mean=df['Magnitude'].mean()
std=df['Magnitude'].std()
x=np.arange(3,10,1)
y=normfun(x,mean,std)
plt.plot(x,y)
plt.hist(df['Magnitude'],bins=10,rwidth=0.9,normed=True)
plt.title('IQ distribution')
plt.xlabel('Porbability')
plt.show()

def trendF(dataframe):
    trend=dataframe.loc[:,['Date','Magnitude']]
    trend['date']=pd.to_datetime(trend['Date'])
    trend=trend.set_index('Date')
    #按周分割并计算周消费总和
    s=trend['Magnitude'].resample('Y').sum()
    trendNew=pd.Series.to_frame(s)
    #index format 将年月日改为年周
    trendNew.index=trendNew.index.format(formatter=lambda x:x.strftime('%y'))
    print (df1)
    trendNew.plot()

#自变量是纬度，因变量为地震级数的散点图（气泡的大小可以弄个变量哦）；
#简单的数据预处理和分析，下次继续改进哈
plt.scatter(df['Latitude'],df['Magnitude'])

<matplotlib.collections.PathCollection at 0x11209a450>

#地震与时间的趋势图

dny_ts=df.ix[['Magnitude'],'Date'].T

pl.plot(b,c)

[<matplotlib.lines.Line2D at 0x117eb0a90>]

%matplotlib inline
import matplotlib.pyplot as plt