-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathhw1-task.py
189 lines (100 loc) · 6.29 KB
/
hw1-task.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
#!/usr/bin/env python
# coding: utf-8
# In[1]:
import pandas as pd
# In[2]:
# (1) Используя параметры read_csv из pandas прочитать файл csv так,
# чтобы данные были разбиты по соответствующим колонкам
# (а не все слилось в одну)
df = pd.read_csv('/Users/Ildar/Desktop/HW_lesson_01/UCI_Credit_Card.csv') #TODO
# In[3]:
df.head()
# In[4]:
# (2) выведите, что за типы переменных, сколько пропусков,
# для численных значений посчитайте пару статистик (в свободной форме)
# In[5]:
df.info()
# In[6]:
df.describe(include='all')
# In[7]:
df.describe(include='number')
# In[8]:
df.describe(exclude='object')
# In[9]:
# (3) посчитать число женщин с университетским образованием
# SEX (1 = male; 2 = female).
# EDUCATION (1 = graduate school; 2 = university; 3 = high school; 4 = others).
df1=df[df['SEX'] == 2].head()
df2=df1[df1['EDUCATION'] == 2].head()
print("Число женщин с университетским образованием: ", len(df2.index), sep="\t")
# In[10]:
# (4) Сгрупировать по "default payment next month" и посчитать медиану для всех показателей начинающихся на BILL_ и PAY_
df[['BILL_AMT2','BILL_AMT3','BILL_AMT4','BILL_AMT5','BILL_AMT6','PAY_0', 'PAY_2', 'PAY_3', 'PAY_4', 'PAY_5','PAY_6','PAY_AMT1','PAY_AMT2','PAY_AMT3','PAY_AMT4','PAY_AMT5','PAY_AMT6', 'default.payment.next.month']].groupby('default.payment.next.month').median()
# Решил задачу не оптимальным методом
# Почему данная функция в этом случае работает некорректно?
#df1= df.filter(regex=r'^PAY\_' , axis=1) + df.filter(regex=r'^BILL\_', axis=1) + df.filter(regex='default.payment.next.month' , axis=1)
#df1.head().groupby('default.payment.next.month').median()
# In[11]:
# (5) постройте сводную таблицу (pivot table) по SEX, EDUCATION, MARRIAGE
print (df.pivot_table('SEX', 'EDUCATION', 'MARRIAGE', 'count'))
# In[12]:
# (6) Создать новый строковый столбец в data frame-е, который:
# принимает значение A, если значение LIMIT_BAL <=10000
# принимает значение B, если значение LIMIT_BAL <=100000 и >10000
# принимает значение C, если значение LIMIT_BAL <=200000 и >100000
# принимает значение D, если значение LIMIT_BAL <=400000 и >200000
# принимает значение E, если значение LIMIT_BAL <=700000 и >400000
# принимает значение F, если значение LIMIT_BAL >700000
#TODO
def newfunc(s):
if (s <=10000): return 'A'
elif (s <=100000) & (s >10000): return 'B'
elif (s <=200000) & (s >100000): return 'C'
elif (s <=400000) & (s >200000): return 'D'
elif (s <=700000) & (s >400000): return 'E'
elif (s >700000): return 'F'
df['LIMIT_BAL'].map(newfunc)
# In[13]:
# (7) постироить распределение LIMIT_BAL (гистрограмму)
import matplotlib.pyplot as plt
get_ipython().run_line_magic('matplotlib', 'inline')
import seaborn as sns
sns.factorplot('LIMIT_BAL',data=df,kind='count',size=30);
# In[14]:
# (8) построить среднее значение кредитного лимита для каждого вида образования
# и для каждого пола
# график необходимо сделать очень широким (на весь экран)
#df #TODO
_, ax = plt.subplots(figsize=(50,15))
sns.factorplot('LIMIT_BAL','EDUCATION',data=df,hue='SEX',ax=ax)
plt.legend()
plt.show()
# In[15]:
# (9) построить зависимость кредитного лимита и образования только для одного из полов
#TODO
sns.factorplot('LIMIT_BAL','EDUCATION',data=df[df['SEX'] == 1],hue='SEX', size=20);
# In[16]:
# (10) построить большой график (подсказка - используя seaborn) для построения завимисости всех возможных пар параметров
# разным цветом выделить разные значение "default payment next month"
# (но так как столбцов много - картинка может получиться "монструозной")
# (поэкспериментируйте над тем как построить подобное сравнение параметров)
# (подсказка - ответ может состоять из несколькольких графиков)
# (если не выйдет - программа минимум - построить один график со всеми параметрами)
import seaborn
sns.pairplot(df, hue='SEX');
#TODO
# In[24]:
_, axes = plt.subplots(3, 4, sharey=True, figsize=(15,12))
sns.violinplot('LIMIT_BAL', 'SEX', data=df[df['default.payment.next.month']==0], ax=axes[0, 0]);
sns.violinplot('LIMIT_BAL', 'SEX', data=df[df['default.payment.next.month']==1], ax=axes[0, 1]);
sns.violinplot('LIMIT_BAL', 'EDUCATION', data=df[df['default.payment.next.month']==1], ax=axes[0, 2]);
sns.violinplot('LIMIT_BAL', 'EDUCATION', data=df[df['default.payment.next.month']==1], ax=axes[0, 3]);
sns.violinplot('LIMIT_BAL', 'MARRIAGE', data=df[df['default.payment.next.month']==0], ax=axes[1, 0]);
sns.violinplot('LIMIT_BAL', 'MARRIAGE', data=df[df['default.payment.next.month']==1], ax=axes[1, 1]);
sns.violinplot('SEX', 'EDUCATION', data=df[df['default.payment.next.month']==0], ax=axes[1, 2]);
sns.violinplot('SEX', 'EDUCATION', data=df[df['default.payment.next.month']==1], ax=axes[1, 3]);
sns.violinplot('SEX', 'EDUCATION', data=df[df['default.payment.next.month']==0], ax=axes[2, 0]);
sns.violinplot('SEX', 'EDUCATION', data=df[df['default.payment.next.month']==1], ax=axes[2, 1]);
sns.violinplot('EDUCATION', 'MARRIAGE', data=df[df['default.payment.next.month']==0], ax=axes[2, 2]);
sns.violinplot('EDUCATION', 'MARRIAGE', data=df[df['default.payment.next.month']==1], ax=axes[2, 3]);
# In[ ]: