（一） 绘制直方图
import numpy from pandas import read_csv import matplotlib import matplotlib.pyplot as pet
#设置字体 font={'family':'SimHei'} matplotlib.rc('font',**font)
#读取文件# data = read_csv('lesson1/AirPassengers.csv',encoding='UTF-8')
#查看数据类型 data.dtypes
#基本统计 data.NumPassengers.mean() #280.29861111111109 data.NumPassengers.var() #14391.917200854699 data.NumPassengers.std() #119.96631694294319 data.NumPassengers.describe()
#直方图 plt.hist(data.NumPassengers,20)
观察：
讲真，这个直方图看的很困惑，并不觉得能解释什么。因为原始数据中其实有三个变量：月份，不知道是什么意思的49-60（姑且称为 xFactor),乘客数量。
所以，尝试采用分组统计，看是否有意思的发现。
（二）分组统计尝试一，以xFactor分组
#拆分原数据 newData = data['Month'].str.split('-' ,1,True)#拆分month列 newData.columns = ['Month','xFactor']#命名 newData['NumPassengers'] = data['NumPassengers']#补上最后一列
拆分后的数据框.png
#根据xFactor分组 result1 = newData.groupby(by=['xFactor'])['NumPassengers'].agg({ numpy.sum, numpy.mean })
按xFactor分组统计.png
画折线图
(注：因为分组时49-60这一列被默认称为index,尝试reset_index失败——只在console里重置成功，数据框并未更新，所以人为加上了一列xFactor。之后找到合适办法再改回来)
result1['xFactor']=[49,50,51,52,53,54,55,56,57,58,59,60]#增加分组列
#result1 画折线图 plt.plot(result1['xFactor'],result1['sum'],'-') plt.plot(result1['xFactor'],result1['mean'],'--',color='red')
从折线图可以看出 [年总乘客数]和 [平均乘客数据]随xFactor的变化，从49-60稳步上升。
据乍一看，还以为均值的变化趋势不明显呢，其实是因为Y轴数据量的差别。
尝试分开作图：
这样就可以看出，其实两个的变化趋势幅度是一样的。
（还可以尝试将两组数据标准化，按比例列缩放，绘制在同一个图上。还不会具体操作，稍后实验）
猜想：xFactor的真实身份
会不会是一个航空公司的不同分公司的数据？如果是，那60，59，58……这些分公司贡献的客户量可比49，50……多很多。
一个航空公司的不同航线？同理，60航线贡献最大。
（二）分组统计尝试一，以月份分组
`#根据月份分组
result2 = newData.groupby(by=['Month'])['NumPassengers'].agg({
numpy.sum,
numpy.mean
})`
按月份分组统计.png
#根据月份分组 result2 = newData.groupby(by=['Month'])['NumPassengers'].agg({ numpy.sum, numpy.mean })
result2['月份']=[4,8,12,2,1,7,6,3,5,11,10,9] result2.sort(columns='月份')
同上index无法重置的原因，该折线图暂时画不出来/，姑且先看数据。
可以看出：
乘客数最多：七月 4216
乘客数最少：十一月2794
其中，六、七、八、九月份的乘客数量明显高于其他月份。可能的一个原因是因为人们喜欢在夏季旅游胜过冬季。
网友评论