北京积分落户数据分析

数据来源：链接：https://pan.baidu.com/s/18Z3WTf1_Y5ze_ALzBAZJfg
提取码：0thc

北京积分落户数据分析

import pandas as pd
import numpy as np
import csv
import matplotlib.pyplot as plt 

#导入数据
luohu_data = pd.read_csv('./bj_luohu.csv',index_col='id')
#describe()展示一些基本信息
luohu_data.describe()

	score
count	6019.000000
mean	95.654552
std	4.354445
min	90.750000
25%	92.330000
50%	94.460000
75%	97.750000
max	122.590000

可以看出共计6019个人通过积分落户，积分最高分122.59分，最低90.75分，平均分95.65分。

print(luohu_data.head())

   name birthday          company   score
id                                       
1   杨效丰  1972-12   北京利德华福电气技术有限公司  122.59
2   纪丰伟  1974-12     北京航天数据股份有限公司  121.25
3    王永  1974-05   品牌联盟(北京)咨询股份公司  118.96
4    杨静  1975-07   中科专利商标代理有限责任公司  118.21
5   张凯江  1974-11  北京阿里巴巴云计算技术有限公司  117.79

从数据中可以看出：可以从生日，公司，分数中挖掘出可用信息

按照维度与指标两方面来进行分析

分析：以公司为维度，以人数为指标进行分析

各公司落户人数及分布

获取每一公司的落户人数并进行排序

#按照company作为维度分组并计算每组个数
#groupby默认会把by的这个列作为索引列返回，可以设置下as_index=False取消
company_data = luohu_data.groupby('company',as_index=False).count()[['company','name']]
company_data

	company	name
0	ABB（中国）有限公司	8
1	BONNIER图书文化（北京）有限公司	1
2	IGT科技开发（北京）有限公司	1
3	POLYCOM通讯技术（北京）有限公司	2
4	VIDIA技术服务（北京）有限公司	1
5	《中国企业报》股份有限公司	2
6	《中国当代医药》杂志社有限公司	1
7	《中国汽车报》社有限公司	1
8	《中国烟草》杂志社有限公司	1
9	《中国经济周刊》杂志社	1
10	《中国质量万里行》杂志社	1
11	《中国邮政报》社	1
12	《中国饲料》杂志社	1
13	《信息早报》社	1
14	《环境与生活》杂志社有限公司	1
15	《环球时报》社	5
16	《证券日报》社	1
17	一汽丰田汽车销售有限公司	12
18	万国数据服务有限公司北京分公司	1
19	万图（北京）科技有限公司	1
20	万浦投资（中国）有限公司	1
21	万达商业管理集团有限公司	2
22	万达商业规划研究院有限公司	3
23	万达文化旅游规划研究院有限公司	5
24	万达酒店设计研究院有限公司	2
25	三一重型能源装备有限公司	1
26	三人行传媒集团股份有限公司北京分公司	1
27	三星信息技术服务（北京）有限公司	2
28	三星电子（北京）技术服务有限公司	1
29	三星经济研究所股份有限公司北京代表处	1
...	...	...
3400	飞驰镁物（北京）信息服务有限公司	1
3401	首创置业股份有限公司	3
3402	首游天地（北京）科技有限公司	1
3403	首都信息发展股份有限公司	7
3404	首都信息科技发展有限公司	1
3405	首都医科大学附属北京康复医院（北京工人疗养院）	1
3406	首都空港贵宾服务管理有限公司	1
3407	首钢京唐钢铁联合有限责任公司北京办事处	1
3408	首钢集团有限公司	3
3409	香云海会（北京）文化发展有限公司	1
3410	香港永新专利商标代理有限公司北京办事处	1
3411	马兰拉面快餐连锁有限责任公司	1
3412	高伟达软件股份有限公司	2
3413	高德信息技术有限公司	2
3414	高德软件有限公司	3
3415	高盛高华证券有限责任公司	1
3416	高等教育出版社有限公司	7
3417	高通无线半导体技术有限公司	4
3418	高通无线通信技术（中国）有限公司	5
3419	麒麟远创软件（中国）有限公司	1
3420	麦肯锡（上海）咨询有限公司北京分公司	3
3421	默克雪兰诺有限公司	4
3422	鼎世新（北京）科技有限公司	1
3423	鼎桥通信技术有限公司	5
3424	鼎石天元投资(北京)有限公司	1
3425	龙源（北京）风电工程设计咨询有限公司	1
3426	龙田云端（北京）科技有限公司	1
3427	龙芯中科技术有限公司	1
3428	ＣＳＢ电池科技（北京）有限公司	1
3429	ＪＦＥ贸易（北京）有限公司	1

3430 rows × 2 columns

#重命名列名称
company_data.rename(columns={'name':'people_count'},inplace=True)

#按照人数排序(默认升序)
company_sorted_data = company_data.sort_values('people_count', ascending=False)
company_sorted_data

	company	people_count
1081	北京华为数字技术有限公司	137
312	中央电视台	73
2457	北京首钢建设集团有限公司	57
3082	百度在线网络技术（北京）有限公司	55
3194	联想（北京）有限公司	48
214	中国民生银行股份有限公司	40
2648	国际商业机器（中国）投资有限公司	39
1334	北京外企人力资源服务有限公司	39
174	中国国际技术智力合作有限公司	29
2514	华为技术有限公司北京研究所	27
3049	爱立信（中国）通信有限公司	26
3201	腾讯科技（北京）有限公司	24
2405	北京阿里巴巴云计算技术有限公司	23
240	中国石油天然气股份有限公司管道北京输油气分公司	20
3070	用友软件股份有限公司	20
434	中铁建工集团有限公司	19
356	中煤建设集团工程有限公司	17
118	中信银行股份有限公司	17
2815	微软（中国）有限公司	17
1507	北京市京才实业开发总公司	16
157	中国光大银行股份有限公司	16
3072	甲骨文（中国）软件系统有限公司	16
3270	西门子（中国）有限公司	16
422	中铁三局集团第四工程有限公司	15
438	中铁电气化局集团有限公司	15
2649	国际商业机器（中国）有限公司北京分公司	14
3379	阿里巴巴（北京）软件服务有限公司	14
324	中建二局安装工程有限公司	14
2899	施耐德电气（中国）有限公司	14
1271	北京四方继保自动化股份有限公司	14
...	...	...
1348	北京大学口腔医院	1
1349	北京大安振业商业管理有限公司	1
1350	北京大宝化妆品有限公司	1
1351	北京大希科技有限公司	1
1352	北京大恒图像视觉有限公司	1
1353	北京大成律师事务所	1
1325	北京城际文化传播有限公司	1
1324	北京城建深港建筑装饰工程有限公司	1
1323	北京城建弘通物业管理有限责任公司	1
1322	北京城建八建设发展有限责任公司	1
1299	北京国锐信达动力科技有限公司	1
1300	北京国锐信达税务师事务所有限公司	1
1301	北京国际度假区有限公司	1
1302	北京国际电气工程有限责任公司	1
1303	北京国际（SOS）救援中心	1
1304	北京图书大厦有限责任公司	1
1305	北京图优谱信息技术有限公司	1
1306	北京圈网互动文化传播有限公司	1
1307	北京土人城市规划设计有限公司	1
1308	北京圣先福农种子有限公司	1
1309	北京圣凯盟商贸有限公司	1
1310	北京圣彩虹制版印刷技术有限公司	1
1311	北京圣彬科贸有限公司	1
1313	北京在线九州信息技术服务有限公司	1
1314	北京地下铁道通成广告有限公司	1
1315	北京地林伟业科技股份有限公司	1
1316	北京坚果先生科技有限公司	1
1317	北京坤和兴业科技有限公司	1
1318	北京埃文特朗科技有限公司	1
3429	ＪＦＥ贸易（北京）有限公司

#按条件过滤
#只有一人的公司
company_sorted_data[company_sorted_data['people_count']==1]

	company	people_count
2390	北京长京益康信息科技有限公司	1
2392	北京长亮新融科技有限公司	1
2447	北京首科力通机电设备有限责任公司	1
1922	北京泰瑞特认证有限责任公司	1
2448	北京首都创业集团有限公司	1
2312	北京通美晶体技术有限公司	1
2313	北京通航法荷航飞机航线维修有限责任公司	1
2374	北京铭源金丰石油化工产品销售有限公司	1
1932	北京浩海创新科技有限公司	1
2377	北京银天科创信息技术有限公司	1
2311	北京通畅电信规划设计院有限公司	1
2321	北京邮电大学世纪学院	1
2322	北京采菊科技有限公司	1
2446	北京首汽智行科技有限公司	1
1936	北京海利尔智能化科技有限公司	1
1931	北京浩普诚华科技有限公司	1
2376	北京银地房地产开发有限责任公司	1
2323	北京释天环境科技有限公司	1
2463	北京驷骑中天网络工程技术有限公司	1
2325	北京金万众空调制冷设备有限责任公司	1
2324	北京量科邦信息技术有限公司	1
2464	北京骏蓝拓科技有限公司	1
2379	北京银河智慧机电设备有限公司	1
2378	北京银河昊星置业投资有限公司	1
2460	北京香侬发动机科技有限公司	1
2320	北京邦融汇金融信息服务有限公司	1
2373	北京铭润创展科技有限公司	1
2399	北京阳光汇点数码科技有限公司	1
2388	北京锦途互动广告有限公司	1
2459	北京首钢股份有限公司	1
...	...	...
1348	北京大学口腔医院	1
1349	北京大安振业商业管理有限公司	1
1350	北京大宝化妆品有限公司	1
1351	北京大希科技有限公司	1
1352	北京大恒图像视觉有限公司	1
1353	北京大成律师事务所	1
1325	北京城际文化传播有限公司	1
1324	北京城建深港建筑装饰工程有限公司	1
1323	北京城建弘通物业管理有限责任公司	1
1322	北京城建八建设发展有限责任公司	1
1299	北京国锐信达动力科技有限公司	1
1300	北京国锐信达税务师事务所有限公司	1
1301	北京国际度假区有限公司	1
1302	北京国际电气工程有限责任公司	1
1303	北京国际（SOS）救援中心	1
1304	北京图书大厦有限责任公司	1
1305	北京图优谱信息技术有限公司	1
1306	北京圈网互动文化传播有限公司	1
1307	北京土人城市规划设计有限公司	1
1308	北京圣先福农种子有限公司	1
1309	北京圣凯盟商贸有限公司	1
1310	北京圣彩虹制版印刷技术有限公司	1
1311	北京圣彬科贸有限公司	1
1313	北京在线九州信息技术服务有限公司	1
1314	北京地下铁道通成广告有限公司	1
1315	北京地林伟业科技股份有限公司	1
1316	北京坚果先生科技有限公司	1
1317	北京坤和兴业科技有限公司	1
1318	北京埃文特朗科技有限公司	1
3429	ＪＦＥ贸易（北京）有限公司	1

2626 rows × 2 columns

可以得到仅落户1人的公司有2626家

company_sorted_data[company_sorted_data['people_count']<5]

	company	people_count
1400	北京太极信息系统技术有限公司	4
2661	外语教学与研究出版社有限责任公司	4
1417	北京奥鹏远程教育中心有限公司	4
1681	北京搜狐新媒体信息技术有限公司	4
2382	北京银龙知识产权代理有限公司	4
1055	北京北大维信生物科技有限公司	4
1076	北京千龙新闻网络传播有限责任公司	4
2375	北京银信长远科技股份有限公司	4
296	中国铁路北京局集团有限公司北京电务段	4
295	中国铁路北京局集团有限公司北京建筑段	4
3224	苏伊士水务工程有限责任公司	4
290	中国铁路北京局集团有限公司丰台车辆段	4
2404	北京阿尔卡特朗讯科技有限公司	4
2571	卡特彼勒（中国）投资有限公司	4
260	中国联合网络通信有限公司北京市分公司	4
1166	北京南北天地科技股份有限公司	4
2533	华泰保险集团股份有限公司	4
2527	华夏银行股份有限公司北京分行	4
1283	北京国华电力有限责任公司	4
3281	谷歌信息技术（中国）有限公司	4
319	中工国际工程股份有限公司	4
1489	北京小米移动软件有限公司	4
1434	北京字节跳动网络技术有限公司	4
1575	北京康海天达科技有限公司	4
505	亿阳信通股份有限公司北京分公司	4
3092	瞻博网络研发（北京）有限公司	4
2130	北京经纬恒润科技有限公司	4
1663	北京拓尔思信息技术股份有限公司	4
3094	石化盈科信息技术有限责任公司北京分公司	4
3028	渣打银行（中国）有限公司北京分行	4
...	...	...
1348	北京大学口腔医院	1
1349	北京大安振业商业管理有限公司	1
1350	北京大宝化妆品有限公司	1
1351	北京大希科技有限公司	1
1352	北京大恒图像视觉有限公司	1
1353	北京大成律师事务所	1
1325	北京城际文化传播有限公司	1
1324	北京城建深港建筑装饰工程有限公司	1
1323	北京城建弘通物业管理有限责任公司	1
1322	北京城建八建设发展有限责任公司	1
1299	北京国锐信达动力科技有限公司	1
1300	北京国锐信达税务师事务所有限公司	1
1301	北京国际度假区有限公司	1
1302	北京国际电气工程有限责任公司	1
1303	北京国际（SOS）救援中心	1
1304	北京图书大厦有限责任公司	1
1305	北京图优谱信息技术有限公司	1
1306	北京圈网互动文化传播有限公司	1
1307	北京土人城市规划设计有限公司	1
1308	北京圣先福农种子有限公司	1
1309	北京圣凯盟商贸有限公司	1
1310	北京圣彩虹制版印刷技术有限公司	1
1311	北京圣彬科贸有限公司	1
1313	北京在线九州信息技术服务有限公司	1
1314	北京地下铁道通成广告有限公司	1
1315	北京地林伟业科技股份有限公司	1
1316	北京坚果先生科技有限公司	1
1317	北京坤和兴业科技有限公司	1
1318	北京埃文特朗科技有限公司	1
3429	ＪＦＥ贸易（北京）有限公司	1

3265 rows × 2 columns

落户人数小于5人的公司有3265家

#落户人数前50的公司
company_sorted_data.head(50)

	company	people_count
1081	北京华为数字技术有限公司	137
312	中央电视台	73
2457	北京首钢建设集团有限公司	57
3082	百度在线网络技术（北京）有限公司	55
3194	联想（北京）有限公司	48
214	中国民生银行股份有限公司	40
2648	国际商业机器（中国）投资有限公司	39
1334	北京外企人力资源服务有限公司	39
174	中国国际技术智力合作有限公司	29
2514	华为技术有限公司北京研究所	27
3049	爱立信（中国）通信有限公司	26
3201	腾讯科技（北京）有限公司	24
2405	北京阿里巴巴云计算技术有限公司	23
240	中国石油天然气股份有限公司管道北京输油气分公司	20
3070	用友软件股份有限公司	20
434	中铁建工集团有限公司	19
356	中煤建设集团工程有限公司	17
118	中信银行股份有限公司	17
2815	微软（中国）有限公司	17
1507	北京市京才实业开发总公司	16
157	中国光大银行股份有限公司	16
3072	甲骨文（中国）软件系统有限公司	16
3270	西门子（中国）有限公司	16
422	中铁三局集团第四工程有限公司	15
438	中铁电气化局集团有限公司	15
2649	国际商业机器（中国）有限公司北京分公司	14
3379	阿里巴巴（北京）软件服务有限公司	14
324	中建二局安装工程有限公司	14
2899	施耐德电气（中国）有限公司	14
1271	北京四方继保自动化股份有限公司	14
357	中煤建设集团有限公司	14
3083	百度时代网络技术（北京）有限公司	13
2722	威睿信息技术（中国）有限公司	13
3231	英特尔（中国）有限公司北京分公司	13
482	亚信科技（中国）有限公司	13
3093	石化盈科信息技术有限责任公司	13
3378	阿里巴巴科技(北京)有限公司	12
17	一汽丰田汽车销售有限公司	12
2882	新华三技术有限公司北京研究所	12
194	中国建筑第二工程局有限公司	12
180	中国国际金融股份有限公司	12
3278	诺基亚通信系统技术（北京）有限公司	11
2524	华夏幸福基业股份有限公司北京管理咨询分公司	11
862	北京京东尚科信息技术有限公司	11
239	中国石油天然气股份有限公司北京销售分公司	10
3060	瑞斯康达科技发展股份有限公司	10
2369	北京铁路局	10
2018	北京用友政务软件有限公司	10
553	冠捷显示科技（中国）有限公司	10
2526	华夏银行股份有限公司	9

#前50的公司落户人数
num_50 = company_sorted_data.head(50).sum()['people_count']

print('前50的公司落户人数共有{}人,占总人数{}%'.format(num_50,round((num_50/6619)*100,2)))

前50的公司落户人数共有1122人,占总人数16.95%

#积分分数分布
#按照步长为5分桶统计下分数的分布
bins = np.arange(90,130,5)
bins = pd.cut(luohu_data['score'],bins)
bin_counts = luohu_data['score'].groupby(bins).count()
bin_counts

score
(90, 95]      3344
(95, 100]     1757
(100, 105]     653
(105, 110]     218
(110, 115]      32
(115, 120]      13
(120, 125]       2
Name: score, dtype: int64

积分主要分布在(90,95]区间内

#将index处理下
bin_counts.index = [ str(x.left) + '-' + str(x.right) for x in bin_counts.index ]
bin_counts.plot(kind='bar', alpha=1, rot=0)
plt.show()

#年龄分布
#出生日期转换为年龄
luohu_data['age'] = ((pd.to_datetime('2019-09')-pd.to_datetime(luohu_data['birthday']))/pd.Timedelta('365 days'))
luohu_data.describe()

	score	age
count	6019.000000	6019.000000
mean	95.654552	43.130723
std	4.354445	2.814236
min	90.750000	34.020000
25%	92.330000	41.200000
50%	94.460000	43.110000
75%	97.750000	45.120000
max	122.590000	61.210000

积分落户最小年龄为34岁，最大年龄61岁，平均年龄43岁。

bins = np.arange(20,70,5)
bins = pd.cut(luohu_data['age'],bins)
bin_counts = luohu_data['age'].groupby(bins).count()
bin_counts

age
(20, 25]       0
(25, 30]       0
(30, 35]       4
(35, 40]     770
(40, 45]    3682
(45, 50]    1535
(50, 55]      18
(55, 60]       8
(60, 65]       2
Name: age, dtype: int64

积分落户年龄主要分布在(40，45]年龄段内。

bin_counts.index = [ str(x.left) + '-' + str(x.right) for x in bin_counts.index ]
bin_counts.plot(kind='bar', alpha=1, rot=0)
plt.show()