数据分析案例1：北京积分落户给我们的指导意义

1、目的

在进行数据分析之前，要先明确两个点：
1.从什么维度切入？
2.用什么指标展示？
以本数据集为例，包括以下信息：

序号	字段名	数据类型	描述
1	id	int	用户ID
2	name	str	姓名
3	birthday	object	出生日期
4	company	str	就职公司
5	score	float	分数

本文试图通过积分落户的人的基本信息，分析一下这些可获取的信息对我们想落户北京的人有哪些指导意义，因此选取的维度和指标为——
维度：落户TOP公司排名；分数分布；年龄分布
指标：人数；分数；年龄

2、分析过程

1. 读取和查看数据

index_col = 'id'ID列设置为index
DaraFrame.describe()针对数值类型的列进行描述性统计，可以查看每一列的均值、方差、最小值和最大值等。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
luohu_data = pd.read_csv('./bj_luohu.csv',index_col = 'id')
luohu_data.describe()

【结果】
分数的最小值为90.75，最大值为122.59

2. 公司维度

从公司的维度来看，我们需要的指标是人数，也就是我想看看每家公司在2018年积分落户成功的人数分布，排名靠前的公司都有哪些。
按照company分组，并计算每组的个数
DataFrame.rename()重命名列名
DataFrame.sort_values()按某列排序
【注】groupby默认会把by的这列作为索引返回，可以设置as_index = False

# 分组
company_data = luohu_data.groupby('company',as_index = False).count()[['company','name']]
# 重命名列名
company_data.rename(columns = {'name':'people_count'},inplace = True)
# 按照people_count这列排序
company_sorted_data = company_data.sort_values('people_count',ascending = False)
print('一共有{}家公司'.format(company_sorted_data['company'].count()))

# 按照条件过滤
## 只有一人的公司 有2626家
company_sorted_data[company_sorted_data['people_count']==1].shape[0]
print('只1人落户的公司共有：{}家'.format(one_people_count))
## 人数前50的公司
company_sorted_data.head(10)

【结果】

由结果可以看出，大多数公司只有1人通过积分落户北京，积分落户人数最多的是华为，TOP10公司的一些共性可以再深挖一下，比如：高科技公司、国企等。

3. 分数维度

我们把分数分成7个区间段，查看这些人分数的分布情况。先分段，再排序计数。
pd.cut()进行区间分段

# 按照步长为5，将score进行分桶统计
bins = np.arange(90,130,5)
bins = pd.cut(luohu_data['score'],bins)
bin_counts = luohu_data['score'].groupby(bins).count()
# 改变index的格式
bin_counts.index = [str(x.left) + '~' + str(x.right) for x in bin_counts.index]
print(bin_counts)
bin_counts.plot(kind = 'bar', alpha=0.7, rot=0)
plt.show()

【结果】

分数越高，人越少，90-95分这个区间段人是最多的。

4. 年龄维度

查看18年积分落户的人的年龄分布。首先要将出生日期转换为年龄，看一下年龄的描述性统计，然后再把年龄分段，排序计数。

# 出生日期转为年龄
luohu_data['age'] = ((pd.to_datetime('2019-12') - pd.to_datetime(luohu_data['birthday'])) / pd.Timedelta('365 days'))
luohu_data.describe()

【结果】

bins = np.arange(30,70,5)
bins = pd.cut(luohu_data['age'],bins)
bins_counts = luohu_data['age'].groupby(bins).count()
bins_counts.index = [str(x.left) + '~' + str(x.right) for x in bins_counts.index]
print(bins_counts)
bins_counts.plot(kind = 'bar',alpha = 0.7, rot = 0)
plt.show()

【结果】

结果显示，40-45年龄段的人最多，唉，想要积分落户北京一般都是得是中年了。。

总结

通过对2018年积分落户北京的人的简单分析，对我们的指导意义有：

1. 尽可能去高科技公司、国企等。（可以去扒一下，政府是否对高科技公司等有优惠政策）
2. 够90分就能落户。够了就行，不是选拔制越高越高
3. 30岁以前是痴心妄想- - 可能要等到40岁左右

以上纯属从数据中得到的推测，并没有查相关政策。