1.1.5

# 1. 数据采集

# 从本地文件中读取数据  2分
data = pd.read_csv('vehicle_traffic_data.csv')

# 2. 数据清洗与预处理

# 处理缺失值  2分

data = data.dropna()

# 数据类型转换

data['Age'] = data['Age'].astype(int)               #Age数据类型转换 1分
data['Speed'] = data['Speed'].astype(float)           #Speed数据类型转换 1分
data['TravelDistance'] = data['TravelDistance'].astype(float)  #TravelDistance数据类型转换 1分
data['TravelTime'] = data['TravelTime'].astype(float)     #TravelTime数据类型转换 1分

# 处理异常值  2分

data = data[(data['Age'].between(18, 70))  & 
            (data['Speed'].between(0, 200)) & 
            (data['TravelDistance'].between(1, 1000)) & 
            (data['TravelTime'].between(1, 1440))]

# 保存清洗后的数据  1分

data.to_csv('cleaned_vehicle_traffic_data.csv', index=False)

# 3. 数据合理性审核

# 审核字段合理性 1分

unreasonable_data = _____________[~((data['Age'].between(18, 70)) & 
                           (data['Speed'].between(0, 200)) & 
                           (data['TravelDistance'].between(1, 1000)) & 
                           (data['TravelTime'].between(1, 1440)))]

unreasonable_data =data [~((data['Age'].between(18, 70))...

代码解释：不合理数据清洗，~取反，不在区间的。

# 统计每种交通事件的发生次数  2分

traffic_event_counts = data['TrafficEvent'].value_counts()

# 统计不同性别的平均车速、行驶距离和行驶时间  2分

gender_stats = data.groupby('Gender').agg({'Speed': 'mean', 'TravelDistance': 'mean', 'TravelTime': 'mean'})

代码解释：

• groupby()：将数据按指定列分组，为后续计算做准备。

• agg()：对分组后的数据应用聚合函数，生成统计结果。

• ?先分组再聚合?

通过 groupby('Gender') 按性别（Gender）列将数据分成不同的组。

聚合：使用 agg() 对每个分组中的指定列应用聚合函数：

对 Speed 列计算平均值（mean）。

对 TravelDistance 列计算平均值。

对 TravelTime 列计算平均值。

运行结果：

# 统计不同年龄段的驾驶员数  2分

data['AgeGroup'] = pd.cut(data['Age'], bins=age_bins, labels=age_labels, right=False)
age_group_counts = data['AgeGroup'].value_counts()

代码解释：通过 pd.cut()，我们成功将连续的年龄数据划分为离散的年龄段，并统计了每个年龄段的驾驶员数量。这种方法常用于数据分析中的分组统计和可视化。

小结：数量groupby和value_counts需要区分，counts后面加（）

（笔记不一定准确）