运维开发网

用python数据分析了北京积分落户名单,发现……

运维开发网 https://www.qedev.com 2021-01-21 09:04 出处:51CTO 作者:mb5fe18e5a55d8d
用python数据分析了北京积分落户名单,发现……MINUS大大凹凸数据北京积分落户制度已经实行两年了,2018年申报积分落户的124657名申请人中6019位落户人员取得落户资格。而去年2019年,申报积分落户人数为106403名,实际公示名单共6007人。准备打开官方网站下载数据分析一下,结果发现过了公示期网页就打不开了。经过一番努力,在网上收集到了2018年的6019位落户人员名单和信息(均

用python数据分析了北京积分落户名单,发现……

MINUS大大 凹凸数据

北京积分落户制度已经实行两年了,2018年申报积分落户的124657名申请人中6019位落户人员取得落户资格。

而去年2019年,申报积分落户人数为106403名,实际公示名单共6007人。

准备打开官方网站下载数据分析一下,结果发现过了公示期网页就打不开了。

经过一番努力,在网上收集到了2018年的6019位落户人员名单和信息(均为公开展示信息)。

01

数据分析

我们本次用到的分析工具包有:pandas 、seaborn 和Matplotlib。

落户数据是csv文档(文末可下载),内部记录了6019条落户信息。

所以先利用pandas读取数据csv文档,并看看有哪些列,可以看到这个表有4列构成,人名、生日、公司、积分


luohu_data = pd.read_csv('./bj_luohu.csv', index_col = 'id')
luohu_data.head(5)

用python数据分析了北京积分落户名单,发现……

此时有一个疑问这些人来自哪些公司呢?公司有没有重复的? 这些公司都是哪些行业的?

所以按照公司分组查看一下:


company_data = luohu_data.groupby('company', as_index=False).count()[['company', 'name']]
company_data.rename(columns={'name':'人数'}, inplace=True)      # 替换 1
company_data.rename(columns={'company':'公司名'},inplace=True)  # 替换 2
company_data.head(20)

用python数据分析了北京积分落户名单,发现……

这么直接看的话人数没有顺序的,所以我们再对人数进行降序排列,看看落户最多的哪几家!


company_sorted_data = company_data.sort_values('人数', ascending=False)
company_sorted_data.head(15)   # 前15

用python数据分析了北京积分落户名单,发现……

emmmm。。。。满眼科技公司,华为、百度、联想、爱立信、腾讯均在前15名,其次是一些国企央之类的。

2

数据可视化

积分数socre是连续数值,因此这里进行分段分析,经过describe初步了解,得分最小90,最大122.6 所以这么划分:90-130分,5分一段


cut_bins = np.arange(90, 130, 5)   #分段设置
bins = pd.cut(luohu_data['score'], cut_bins)  # 将落户数据,按照cutbins来切一下
bin_counts = luohu_data['score'].groupby(bins).count()
bin_counts.head(10)

用python数据分析了北京积分落户名单,发现……

直接出来的话是数据,那么我在直接画个图更直观的看一下


plt.figure(figsize=(15,8))
plt.rcParams['font.family']='Arial Unicode MS'
plt.rcParams['axes.unicode_minus']=False
plt.rcParams['font.size']=12

x_name=['90-95','95-100','100-105','105-110','110-115','115-120','120-125']
sns.barplot(x_name,bin_counts)
plt.ylabel('人数')
plt.xlabel('分数区间')

for x, y in zip(range(7), bin_counts):
    plt.text(x, y+20 , y, ha='center', va='bottom')

plt.show()

用python数据分析了北京积分落户名单,发现……

可以看到,落户人数主要集中在90-100分之间,合计5101人,如果想落户,达到95分就没什么问题了。

那么现在又有个问题,比如达到90分以上我都60了也没啥意义了,那么这些落户的主要集中在什么年龄段呢?年龄与积分有相关性吗?来看看。

首先需要根据生日算一下落户年龄


luohu_data['age'] = (pd.to_datetime('2018-07') - pd.to_datetime(luohu_data['birthday'])) / pd.Timedelta('365 days')
luohu_data.describe()

用python数据分析了北京积分落户名单,发现……


mean=luohu_data['age'].mean()
std =luohu_data['age'].std()

# 得到上下限
lower , upper =mean -3*std , mean+3*std

print('均值',mean) 
print('标准差',std) 
print('下限',lower) 
print('上限',upper)

得到:

用python数据分析了北京积分落户名单,发现……

作图看一下分布


#fig.set_size_inches(15,5)   # 设置画布大小
sns.distplot(luohu_data['age'])  

用python数据分析了北京积分落户名单,发现……

可以看到,最小的年龄也32岁了最大年龄60岁,75%分位数在43岁左右。年龄均值42岁。

3

总结

根据本篇简单的数据分析我们发现:

通过积分获得北京户口的年龄段集中在35岁到46岁之间,主要为42±2岁之间;积分集中在90分左右,行业集中在IT和国企央企及金融行业。

据有关媒体统计,在北京当前的积分落户政策下,本科生需要15左右年才能拿到100分,研究生也需要12年以上才能拿到100分。

大家想一下:虽然现在100分可以落户,但12/15年后跟你同批的毕业生就全都100分了......

而其他城市的落户政策是上海七年,香港七年,深圳一年,北京落户还真是真是不容易啊。

相关分析源码和北京积分落户数据已上传github:https://github.com/zpw1995/aotodata/tree/master/bj_luohu

作者:董汇标MINUS,关注知乎点击左下角原文链接。

微信首发于公众号【凹凸玩数据】,有趣的不像个技术号

End

扫码领视频副本.gif

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号