/*******************************************************************************************************************
-- Title : [Py3.5] 데이터 전처리 및 기술 통계 분석
-- Reference : acorn, googling
-- Key word : data pre-processing .csv csv api urllib api read_csv hist histogram boxplot cdf probplot
                  확률 도표 히스토그램 박스플롯 박스 플롯 누적 분포 함수 누적분포함수 scipy 와이블 분포
                  cumulative distributioin function weibull distribution weibull_min rectangle errorbar 
                  matplotlib pyplot numpy pandas scipy patches transforms provability plot
*******************************************************************************************************************/

■ Figure


■ Scripts

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
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
# -*- coding: utf-8 -*-
 
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import scipy.stats as st
import urllib.request
import os
import matplotlib.patches as patches
import matplotlib.transforms as transforms
 
# ------------------------------
# -- Set Dataframe Option
# ------------------------------
pd.set_option('display.height'1000)
pd.set_option('display.max_rows'500)
pd.set_option('display.max_columns'500)
pd.set_option('display.width'1000)
 
 
# ------------------------------
# -- Get the data & Save file
# ------------------------------
 
# -- Select current path
print (os.getcwd())
print ("... current_path""." * 100"\n")
 
# --
# -- Get the .CSV data via API
# --
# API 호출 후 바로 저장 
suicide_rate_url = 'http://apps.who.int/gho/athena/data/xmart.csv?target=GHO/MH_12&profile=crosstable&filter=COUNTRY:*;REGION:*&x-sideaxis=COUNTRY&x-topaxis=GHO;YEAR;SEX'
local_filename, headers = urllib.request.urlretrieve(suicide_rate_url, filename='who_suicide_rates.csv')
 
print ("[local_filename]:", local_filename)
print ("[headers]:", headers)
print ("... get_api_csv""." * 100"\n")
 
 
# --
# -- Read the .CSV data
# --
path_csv = "D:\\PyProject\\20170524_acorn1\\who_suicide_rates.csv"
df_rates = pd.read_csv(path_csv, skiprows=2)
 
print (df_rates.head())
print ("... read_csv""." * 100"\n")
 
# --
# -- Alter column
# --
df_rates = df_rates[["Country"" Both sexes"" Male"" Female"]]
df_rates.columns = ["Country""Both""Male""Female"]
 
print (df_rates.head())
print ("... alter_column""." * 100"\n")
 
 
# ------------------------------
# -- Basic Stats. Analysis
# ------------------------------
 
# --
# -- Draw histogram
# --
df_rates.plot.hist(stacked=True, y=['Male''Female'], bins=30, color=['Coral''Green'])
plt.xlabel("xlabel")
plt.ylabel("ylabel")
plt.title("Histogram Graph Title")
plt.legend()
 
plt.show()
 
print (",,, draw_histogram""," * 100"\n")
 
# --
# -- Draw boxplot
# --
print (df_rates['Male'].mean(), df_rates['Female'].mean())
 
df_rates.boxplot(['Both''Male','Female'])
plt.xlabel("xlabel")
plt.ylabel("ylabel")
plt.title("Histogram Graph Title")
 
plt.show()
 
 
# ------------------------------
# -- Advanced Stats. Analysis
# ------------------------------
 
# --
# -- Draw CDF(cumulative distribution function, 누적분포함수)
# --
print(df_rates[df_rates['Both']>40])
 
def plot_cdf(data, plot_range=None, scale_to=None, nbins=False, **kwargs):
    if not nbins:
        nbins= len(data)
 
    sorted_data = np.array(sorted(data), dtype=np.float64)
    data_range = sorted_data[-1- sorted_data[0]
    counts, bin_edges = np.histogram(sorted_data, bins=nbins)
    xvalues = bin_edges[1:]
    yvalues = np.cumsum(counts)
 
    if plot_range is None:
        xmin = xvalues[0]
        xmax = xvalues[-1]
    else:
        xmin, xmax = plot_range
 
    # pad the arrays
    xvalues = np.concatenate([[xmin, xvalues[0]], xvalues, [xmax]])
    yvalues = np.concatenate([[0.00.0],        yvalues, [yvalues.max()]])
 
    if scale_to:
        yvalues = yvalues / len(data) * scale_to
    plt.axis([xmin, xmax, 0, yvalues.max()])
 
    return plt.step(xvalues, yvalues, **kwargs)
 
plot_cdf(df_rates['Both'], nbins=50, plot_range=[-570])
 
plt.show()
 
# --
# -- Draw probplot(확률 도표) w/ Scipy
# --
st.probplot(df_rates['Both'], dist='norm', plot=plt);
plt.show()
 
# --
# -- Draw Weibull Distribution(와이블 분포) w/ Scipy
# --
eta = 1.
beta = 1.5
rvweib = st.weibull_min(beta, scale=eta)
results = st.probplot(df_rates['Both'], dist=rvweib, plot=plt)
 
plt.show()
 
# --
# -- Draw weibull_min() w/ Scipy
# --
beta, loc, eta = st.weibull_min.fit(df_rates['Both'], floc=0, scale = 12)
print(beta, loc, eta)
 
df_rates['Both'].hist(bins=30)
np.random.seed(1100)
rvweib = st.weibull_min(beta, scale=eta)
plt.hist(rvweib.rvs(size=len(df_rates.Both)),bins=30, alpha=0.5);
 
plt.show()
 
 
# ------------------------------
# -- Odd the data on df_rates
# ------------------------------
 
# --
# -- Get the new data
# --
df_coords = pd.read_csv('D:\\PyProject\\20170524_acorn1\\country_centroids_primary.csv', sep='\t')
print ("[keys] ! ", df_coords.keys())
print (df_coords.head())
 
print (",,, df_coords.keys""," * 100"\n")
 
# --
# -- Add new fields on df_rates
# --
df_rates['Lat'= ''
df_rates['Lon'= ''
 
# -- add fields
for i in df_coords.index:
    ind = df_rates.Country.isin([df_coords.SHORT_NAME[i]])
    val = df_coords.loc[i, ['LAT''LONG']].values.astype('float')
    df_rates.loc[ind, ['Lat''Lon'] ] = list(val)
 
# -- alter type to float
df_rates.loc[df_rates.Lat.isin(['']), ['Lat']] = np.nan
df_rates.loc[df_rates.Lon.isin(['']), ['Lon']] = np.nan
df_rates[['Lat''Lon']] = df_rates[['Lat''Lon']].astype('float')
 
# -- add DEF field
df_rates['DFE'= ''
df_rates['DFE'= abs(df_rates.Lat)
df_rates['DFE'= df_rates['DFE'].astype('float')
print (df_rates.head())
 
print (",,, add_field_on_df_rates""," * 100"\n")
 
 
# ------------------------------
# -- Draw Rectangle, hist w/ Matplotlib.patches
# ------------------------------
 
# --
# -- Draw Rectangle
# --
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(df_rates.DFE, df_rates.Both, '*')
 
trans = transforms.blended_transform_factory(ax.transData, ax.transAxes)
 
rect = patches.Rectangle((0,0), width=23.5, height=1,
                         transform=trans, color='yellow',
                         alpha=0.5)
ax.set_xlabel('DFE')
ax.set_ylabel('Both')
ax.add_patch(rect);
 
plt.show()
 
# --
# -- Draw hist
# --
df_rates.DFE.hist(bins=13)
plt.xlabel('DFE')
plt.ylabel('Counts');
 
plt.show()
 
# --
# -- Draw Rectangle include errorbar()
# --
bins = np.arange(23.565+1,10, dtype='float')
bins = np.linspace(23.565,11, dtype='float')
# now group the data into the bins
groups_df_rates = df_rates.groupby(np.digitize(df_rates.DFE, bins))
 
fig = plt.figure()
ax = fig.add_subplot(111)
ax.errorbar(groups_df_rates.mean().DFE,
            groups_df_rates.mean().Both,
            yerr=np.array(groups_df_rates.std().Both),
            marker='.',
            ls='None',
            lw=1.5,
            color='Green',
            ms=1)
ax.plot(df_rates.DFE, df_rates.Both, '.', color='SteelBlue', ms=6)
trans = transforms.blended_transform_factory(ax.transData, ax.transAxes)
 
rect = patches.Rectangle((0,0), width=23.5, height=1,
                         transform=trans, color='Yellow',
                         alpha=0.5)
ax.add_patch(rect)
ax.set_xlabel('DFE')
ax.set_ylabel('Both');
 
plt.show()
 
 
# ------------------------------
# -- Save to .CSV
# ------------------------------
df_rates.to_csv("D:\\PyProject\\20170524_acorn1\\df_rates.csv")
 
 
print (";;; saved_to_csv"";" * 100"\n")
 
 


■ Figure

country_centroids_primary.csv

df_rates.csv

who_suicide_rates.csv


저작자 표시 비영리 변경 금지
신고

+ Recent posts