生肖属相单变量分析

Posted chenxiangzhen

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了生肖属相单变量分析相关的知识,希望对你有一定的参考价值。

import pandas as pd
import numpy as np
f = open(r'ft_zodiac.txt', encoding='utf-8')
ft_zodiac = pd.read_csv(f)  
print(ft_zodiac.shape)
ft_zodiac.head()
(23519, 4)
0 order_id chinese_zodiac zodiac
0 0 100000081567592448 处女座
1 0 100000467565182976 双子座
2 0 100000530945323008 射手座
3 0 100000556765458432 摩羯座
4 0 100000598171623424 水瓶座

pd15作为好坏的分割节点。>15 为坏人,<15为好人?

15天以上的人为坏,5天以内的人为好。

l = open(r'zodiac_label.txt')
zodiac_label=pd.read_csv(l)
zodiac_label.head()
order_id overdue_days repay_time label
0 100000081567592448 0 2018-07-09 0
1 100000467565182976 1 2018-07-09 0
2 100000530945323008 0 2018-07-09 0
3 100000556765458432 0 2018-07-09 0
4 100000598171623424 0 2018-07-09 0
set(zodiac_label.label)
{0, 1, 2}
# 剔除不等于2的
ft_label = zodiac_label[zodiac_label['label'] != 2]
ft_label.head()
order_id overdue_days repay_time label
0 100000081567592448 0 2018-07-09 0
1 100000467565182976 1 2018-07-09 0
2 100000530945323008 0 2018-07-09 0
3 100000556765458432 0 2018-07-09 0
4 100000598171623424 0 2018-07-09 0
set(ft_label.label)
{0, 1}
data = pd.merge(ft_label,ft_zodiac,on = 'order_id',how = 'inner')
data.head()
order_id overdue_days repay_time label 0 chinese_zodiac zodiac
0 100000081567592448 0 2018-07-09 0 0 处女座
1 100000467565182976 1 2018-07-09 0 0 双子座
2 100000530945323008 0 2018-07-09 0 0 射手座
3 100000556765458432 0 2018-07-09 0 0 摩羯座
4 100000598171623424 0 2018-07-09 0 0 水瓶座

badrate = bad/toal

zodiac_list = set(data.zodiac)
zodiac_list
{'双子座',
 '双鱼座',
 '处女座',
 '天秤座',
 '天蝎座',
 '射手座',
 '巨蟹座',
 '摩羯座',
 '水瓶座',
 '狮子座',
 '白羊座',
 '金牛座'}
chinese_zodiac_list = set(data.chinese_zodiac)
chinese_zodiac_list
{'兔', '牛', '狗', '猪', '猴', '羊', '虎', '蛇', '马', '鸡', '鼠', '龙'}
# 星座
zodiac_badrate = {}
for x in zodiac_list:
    
    a = data[data.zodiac == x]
    
    bad = a[a.label == 1]['label'].count()  # 坏的计数
    good = a[a.label == 0]['label'].count() # 好的计数
    
    zodiac_badrate[x] = bad/(bad+good)
zodiac_badrate
{'双子座': 0.1312410841654779,
 '巨蟹座': 0.1408351026185421,
 '狮子座': 0.12760416666666666,
 '射手座': 0.14480286738351256,
 '水瓶座': 0.140117994100295,
 '白羊座': 0.13455414012738853,
 '双鱼座': 0.14873646209386282,
 '处女座': 0.13035143769968052,
 '天秤座': 0.12461252324860508,
 '天蝎座': 0.12005028284098052,
 '摩羯座': 0.12920489296636087,
 '金牛座': 0.12259059367771781}
f = zip(zodiac_badrate.keys(), zodiac_badrate.values())
f = sorted(f, key = lambda x : x[1], reverse = True )
zodiac_badrate = pd.DataFrame(f)
zodiac_badrate.columns = pd.Series(['星座', 'badrate'])
zodiac_badrate
星座 badrate
0 双鱼座 0.148736
1 射手座 0.144803
2 巨蟹座 0.140835
3 水瓶座 0.140118
4 白羊座 0.134554
5 双子座 0.131241
6 处女座 0.130351
7 摩羯座 0.129205
8 狮子座 0.127604
9 天秤座 0.124613
10 金牛座 0.122591
11 天蝎座 0.120050
from pyecharts import Line
x = zodiac_badrate['星座']
y = zodiac_badrate['badrate']
line = Line('星座')
line.add(1, x, y)
<div id="c56416b4b8514d2780bb35f9e761fcf5" style="width:800px;height:400px;"></div>
# 生肖
chinese_zodiac_badrate = {}
for x in chinese_zodiac_list:
    
    a = data[data.chinese_zodiac == x]
    
    bad = a[a.label == 1]['label'].count()  # 好的计数
    good = a[a.label == 0]['label'].count()  # 坏的计数
    
    chinese_zodiac_badrate[x] = bad/(bad+good)
chinese_zodiac_badrate
{'猪': 0.14269406392694065,
 '牛': 0.1578112609040444,
 '虎': 0.15165876777251186,
 '龙': 0.1439084219133279,
 '鼠': 0.1340602950609365,
 '兔': 0.1502843216896832,
 '鸡': 0.12846998063266624,
 '蛇': 0.12789827973074047,
 '羊': 0.11335403726708075,
 '猴': 0.12008141112618724,
 '马': 0.12053872053872054,
 '狗': 0.11052009456264776}
f = zip(chinese_zodiac_badrate.keys(),chinese_zodiac_badrate.values())
f = sorted(f,key = lambda x : x[1],reverse = True )
chinese_zodiac_badrate = pd.DataFrame(f)
chinese_zodiac_badrate.columns = pd.Series(['生肖','badrate'])
chinese_zodiac_badrate
生肖 badrate
0 0.157811
1 0.151659
2 0.150284
3 0.143908
4 0.142694
5 0.134060
6 0.128470
7 0.127898
8 0.120539
9 0.120081
10 0.113354
11 0.110520
from pyecharts import Line
x = chinese_zodiac_badrate['生肖']
y = chinese_zodiac_badrate['badrate']
line = Line('生肖')
line.add(1,x,y)
<div id="8801efc233e94477a9d56e1162e60a2b" style="width:800px;height:400px;"></div>

以上是关于生肖属相单变量分析的主要内容,如果未能解决你的问题,请参考以下文章

12.“十二生肖”在中国社会流传已有相当久远的历史了。今年是农历()年,请你围绕这个生肖属相展开一系列

十二生肖故事传说

抖音生肖号短视频爆火,背后有什么特点?有什么值得借鉴

输入年份输出属相c语言,编写程序,输入一个年份,判断该年属相.(提示s

超过50多个热门的免费可用 API 分享

android 获取生肖和星座