26、时间序列分析：犯罪与员工数据的多维度洞察

时间序列分析：犯罪与员工数据的多维度洞察

在数据分析领域，时间序列分析是一项强大的工具，它能帮助我们从时间维度深入理解数据的变化规律。本文将通过三个具体的案例，详细介绍如何运用Python中的Pandas和Seaborn库进行时间序列分析，包括按工作日和年份统计犯罪数据、使用匿名函数对具有DatetimeIndex的数据进行分组，以及按时间戳和其他列进行分组。

按工作日和年份统计犯罪数据

在这个案例中，我们将分析丹佛市的犯罪数据，按工作日和年份统计犯罪数量，并通过可视化展示犯罪趋势。

操作步骤

1. 读取数据 ：

import pandas as pd
crime = pd.read_hdf('data/crime.h5', 'crime')
crime.head()

2. 统计工作日犯罪数量 ：

wd_counts = crime['REPORTED_DATE'].dt.weekday_name.value_counts()
print(wd_counts)

结果显示，周末的犯罪和交通事故数量明显少于工作日。
| 工作日 | 犯罪数量 |
| — | — |
| Monday | 70024 |
| Friday | 69621 |