本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理，

以下文章來源于Python實用寶典 ，作者：肯德

前言

2014年在密蘇里州一名叫做弗格森（Ferguson）的警察殺害了邁克爾·布朗（Michael Brown）后，美國開始了一場抗議警察暴力對待黑人的運動-Black Lives Matter（黑人的命也是命，簡稱BLM ），

2020年，在明尼阿波利斯警察德里克·喬文殺害喬治·弗洛伊德（喬治·弗洛伊德）之后，BLM運動再次成為頭條新聞，引起國際社會的進一步關注，

自2015年1月1日起，《華盛頓郵報》一直在整理一個資料庫，其中記錄了值班警員在美國發生的每起致命槍擊事件，這個資料庫里包含了死者的種族，年齡和性別，該人是否有武器，以及受害人是否正在遭受精神健康危機，

下面就讓我們來使用這個資料集來進行資料分析，

1.準備

開始之前，你要確保Python和pip已經成功安裝在電腦上，如果你用Python的目的是資料分析，可以直接安裝Anaconda，它內置了Python和pip，

此外，推薦大家用VSCode編輯器，因為它可以在編輯器下面的終端運行命令安裝依賴模塊

本文提供了流程性，建議使用VSCode的Jupiter Notebook擴展，新建一個稱為 test.ipynb 的檔案，跟著教程一步步走下去，

Windows環境下打開Cmd（開始-運行-CMD），蘋果系統環境下請打開Terminal（command +空格輸入Terminal），輸入命令安裝依賴：

所需依賴：

pip install numpy
pip install pandas
pip install plotly
pip install seaborn

本文譯自：https：//www.kaggle.com/edoardo10/fatal-police-shooting-eda-plotly-seaborn/data

2.代碼與分析

首先，約會我們分析所需要使用的模塊：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from datetime import datetime
import plotly.express as px
import plotly.graph_objects as go
import warnings
import plotly.offline as pyo
pyo.init_notebook_mode()
warnings.filterwarnings('ignore')
pd.set_option('display.max_columns', 500)
sns.set_style('white')
%matplotlib inline

需要分析的資料集：

df = pd.read_csv('./PoliceKillingsUS.csv', encoding='cp1252')
df.head()

時間特征

從這6年的月度資料來看，我們可以看到，在2015年上半年，2018年初和2020年第一季度，我們達到了每月超過100起致命事故的高峰，從月度來看，這種現象不明顯的后果，

df['date'] = df['date'].apply(lambda x: pd.to_datetime(x))
df['date'].groupby(df.date.dt.to_period('M')).count().plot(kind='line')

看看警察槍擊案的事故是否具有周末特征：

count = df['date'].apply(lambda x: 'Weekday' if x.dayofweek < 5 else 'Weekend').value_counts(normalize=True)
f, ax = plt.subplots(1,1)
sns.barplot(x=count.index, y=count.values, ax=ax, palette='twilight')

顯然，我們沒有證據表明周末會發生更多的案件，

不過，如果細化到星期里的每一天，我們會發現周中發生案件的概率較高：

count = df['date'].apply(lambda x: x.dayofweek).value_counts(normalize=True).sort_index()
count.index = ['Mon','Tue','Wed','Thu','Fri','Sat','Sun']

f, ax = plt.subplots(1,1)
sns.barplot(x=count.index, y=count.values, ax=ax, palette='twilight')
ax.set_title('Cases (%) for each day of the week');

接下來看看以下4個特征的分布：

精神疾病的征兆：是否精神障礙

威脅等級：威脅等級

body_camera：警察是否帶了隨身攝像頭

way_of_death：死亡方式

count_1 = df['signs_of_mental_illness'].value_counts(normalize=True)
count_2 = df['threat_level'].value_counts(normalize=True)
count_3 = df['body_camera'].value_counts(normalize=True)
count_4 = df['manner_of_death'].value_counts(normalize=True)

fig, axes = plt.subplots(2, 2, figsize=(8, 8), sharey=True)

sns.barplot(x=count_1.index, y=count_1.values, palette="rocket", ax=axes[0,0])
axes[0,0].set_title('Signs of mental illness (%)')
sns.barplot(x=count_2.index, y=count_2.values, palette="viridis", ax=axes[0,1])
axes[0,1].set_title('Threat level (%)')
sns.barplot(x=count_3.index, y=count_3.values, palette="nipy_spectral", ax=axes[1,0])
axes[1,0].set_title('Body camera (%)')
sns.barplot(x=count_4.index, y=count_4.values, palette="gist_heat", ax=axes[1,1])
axes[1,1].set_title('Manner of death (%)');

我們可以看到，只有20％的案例受害者有精神殘疾的限額；

只有10％的警察有隨身攝像頭；

70％的情況被宣布為危險狀況；

死亡方式似乎不是一個有趣的變數，因為大多數案件都是“槍斃”；

美國的警察是否具有種族主義傾向？

count = df.race.value_counts(normalize=True)
count.index = ['White', 'Black', 'Hispanic', 'Asian', 'Native American', 'Other']

f, ax = plt.subplots(1,1, figsize=(8,6))
sns.barplot(y=count.index, x=count.values, palette='Reds_r')
ax.set_title('Total cases for each race (%)');

從上圖我們知道，大部分致命的槍擊事件中，涉及最多的是白人，其次是黑人和西班牙裔，

但這個圖表并沒有考慮人種比例，參考2019年美國的種族比例，我們可以看到，美國黑人受害者的比例更高：

資料來源：https ://data.census.gov/cedsci/table?q = Hispanic%20or%20Latino & tid = ACSDP1Y2019.DP05&hidePreview = false

share_race_usa_2019 = pd.Series([60.0, 12.4, 0.9, 5.6, 18.4, 2.7], index=['White','Black','Native American','Asian','Hispanic','Other'])

count_races = count / share_race_usa_2019
count_races = count_races.sort_values(ascending=False)
f, ax = plt.subplots(1,1, figsize=(8,6))

sns.barplot(y=count_races.index, x=count_races.values, palette='Greens_r')
ax.set_title('Total cases for each race on total USA race percentage rate');

受害者的年齡

接下來看看受害者年齡的分布密度圖：

sns.set_style('whitegrid')
fig, axes = plt.subplots(1, 1, figsize=(10, 8))
axes.xaxis.set_ticks(np.arange(0,100,10))

sns.kdeplot(df[df.race == 'N'].age, ax=axes, shade=True, color='#7FFFD4')
sns.kdeplot(df[df.race == 'O'].age, ax=axes, shade=True, color='#40E0D0')
sns.kdeplot(df[df.race == 'B'].age, ax=axes, shade=True, color='#00CED1')
sns.kdeplot(df[df.race == 'H'].age, ax=axes, shade=True, color='#6495ED')
sns.kdeplot(df[df.race == 'A'].age, ax=axes, shade=True, color='#4682B4')
sns.kdeplot(df[df.race == 'W'].age, ax=axes, shade=True, color='#008B8B')

legend = axes.legend_
legend.set_title("Race")
for t, l in zip(legend.texts,("Native", "Other", 'Black', 'Hispanic', 'Asian', 'White')):
    t.set_text(l)

由這些疊加的密度圖可以拋光：

對于而言和白人而言，大多數案件的受害者年齡都在30歲左右，

對于其他和印第安人來說，在大多數案件中，受害者大約28歲，

對于西班牙裔和黑人而言，大多數案件的受害者年齡都在25歲左右，

所以我們可以說，西班牙裔美國人和黑人的年輕人，是被警察開槍射擊的高危人群，

受害者性別比例

按常理，這種暴力事件的受害者一般都為男性，看看是不是這樣：

fig = px.pie(values = df.gender.value_counts(normalize=True).values, names=df.gender.value_counts(normalize=True).index, title='Total cases gender (%)')
fig.update(layout=dict(title=dict(x=0.5),autosize=False, width=400, height=400))
fig.show()

果然如此，超過95％的受害者都為男性，

簡單的EDA分析就是這些，另外，作者還分享了很多深層次的分析，不過并沒有將資料分享出來，這里就不展示了，

標籤：Python

上一篇：python菜鳥教程學習12：輸入輸出

下一篇：使用picgo和阿里云oss物件存盤搭建一個自動上傳的圖床工具