Python တွင် အုပ်စုဖွဲ့ခြင်းနှင့် ဒေတာမြင်ယောင်ခြင်းတို့ကို အသုံးပြုခြင်းဆိုင်ရာ ကျွမ်းကျင်မှုတွင် အလုပ်လုပ်ခြင်း။

ဟေး ဟာဘ!

ယနေ့ကျွန်ုပ်တို့သည် Python တွင်ဒေတာများကိုအုပ်စုဖွဲ့ခြင်းနှင့်မြင်ယောင်ထင်မြင်ခြင်းအတွက် tools များကိုအသုံးပြုခြင်းကျွမ်းကျင်မှုအပေါ်လုပ်ဆောင်ပါမည်။ ပေးထားသည့်အတွက် Github တွင် dataset လက္ခဏာများစွာကို ခွဲခြမ်းစိတ်ဖြာပြီး စိတ်ကူးပုံဖော်မှုအစုတစ်ခုကို တည်ဆောက်ကြပါစို့။

အစဉ်အလာအရ၊ အစတွင်၊ ပန်းတိုင်များကို သတ်မှတ်ကြပါစို့။

• ကျား၊မ၊နှစ်အလိုက် ဒေတာများကို အုပ်စုဖွဲ့ပြီး လိင်နှစ်မျိုးလုံး၏ မွေးဖွားနှုန်း၏ အလုံးစုံသော ဒိုင်းနမစ်များကို မြင်ယောင်ကြည့်ပါ။
• အချိန်တိုင်း၏ရေပန်းအစားဆုံးအမည်များကိုရှာပါ။
• ဒေတာရှိ အချိန်ကာလတစ်ခုလုံးကို အပိုင်း ၁၀ ပိုင်းခွဲပြီး တစ်ခုစီအတွက် ကျားမတစ်ဦးစီ၏ အကျော်ကြားဆုံးအမည်ကို ရှာပါ။ တွေ့ရှိသောအမည်တစ်ခုစီအတွက်၊ အချိန်တိုင်းတွင် ၎င်း၏ဒိုင်းနမစ်များကို မြင်ယောင်ကြည့်ပါ။
• တစ်နှစ်လျှင် လူများ၏ 50% ကို လွှမ်းခြုံထားသော အမည်မည်မျှရှိသည်ကို တွက်ချက်ပြီး မြင်ယောင်ကြည့်ပါ (နှစ်တိုင်းအတွက် နာမည်အမျိုးမျိုးကို ကျွန်ုပ်တို့ မြင်တွေ့ရမည်)။
• ကြားကာလတစ်ခုလုံးမှ 4 နှစ်ကို ရွေးပြီး အမည်ရှိ ပထမစာလုံးဖြင့် ဖြန့်ဝေခြင်း နှစ်စဉ်နှစ်တိုင်းအတွက် ပြသရန်နှင့် အမည်ရှိ နောက်ဆုံးစာလုံးဖြင့်၊
• ကျော်ကြားသူများ (သမ္မတများ၊ အဆိုတော်များ၊ သရုပ်ဆောင်များ၊ ရုပ်ရှင်ဇာတ်ကောင်များ) ကို စာရင်းပြုစုပြီး အမည်များ၏ ရွေ့ပြောင်းမှုအပေါ် ၎င်းတို့၏လွှမ်းမိုးမှုကို အကဲဖြတ်ပါ။ စိတ်ကူးနဲ့တည်ဆောက်ပါ။

စကားလုံးနည်းနည်း၊ ကုဒ်များများ။

သွားကြကုန်အံ့။

ဒေတာကို ကျား၊မ နှင့် နှစ်အလိုက် အုပ်စုဖွဲ့ပြီး လိင်နှစ်မျိုးလုံး၏ မွေးဖွားနှုန်း၏ အလုံးစုံသော ဒိုင်းနမစ်များကို မြင်ယောင်ကြည့်ကြပါစို့။

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt

years = np.arange(1880, 2011, 3)
datalist = 'https://raw.githubusercontent.com/wesm/pydata-book/2nd-edition/datasets/babynames/yob{year}.txt'
dataframes = []
for year in years:
    dataset = datalist.format(year=year)
    dataframe = pd.read_csv(dataset, names=['name', 'sex', 'count'])
    dataframes.append(dataframe.assign(year=year))

result = pd.concat(dataframes)
sex = result.groupby('sex')
births_men = sex.get_group('M').groupby('year', as_index=False)
births_women = sex.get_group('F').groupby('year', as_index=False)
births_men_list = births_men.aggregate(np.sum)['count'].tolist()
births_women_list = births_women.aggregate(np.sum)['count'].tolist()

fig, ax = plt.subplots()
fig.set_size_inches(25,15)

index = np.arange(len(years))
stolb1 = ax.bar(index, births_men_list, 0.4, color='c', label='Мужчины')
stolb2 = ax.bar(index + 0.4, births_women_list, 0.4, alpha=0.8, color='r', label='Женщины')

ax.set_title('Рождаемость по полу и годам')
ax.set_xlabel('Года')
ax.set_ylabel('Рождаемость')
ax.set_xticklabels(years)
ax.set_xticks(index + 0.4)
ax.legend(loc=9)

fig.tight_layout()
plt.show()

သမိုင်းတွင် ရေပန်းအစားဆုံး နာမည်များကို ရှာဖွေကြပါစို့။

years = np.arange(1880, 2011)

dataframes = []
for year in years:
    dataset = datalist.format(year=year)
    dataframe = pd.read_csv(dataset, names=['name', 'sex', 'count'])
    dataframes.append(dataframe)

result = pd.concat(dataframes)
names = result.groupby('name', as_index=False).sum().sort_values('count', ascending=False)
names.head(10)

ဒေတာရှိ အချိန်ကာလတစ်ခုလုံးကို အပိုင်း ၁၀ ပိုင်းခွဲပြီး တစ်ခုစီအတွက် ကျားမတစ်ဦးစီ၏ ရေပန်းအစားဆုံးအမည်ကို တွေ့ရပါမည်။ တွေ့ရှိသော အမည်တစ်ခုစီအတွက်၊ ကျွန်ုပ်တို့သည် ၎င်း၏ ဒိုင်းနမစ်များကို အချိန်တိုင်း မြင်ယောင်ကြည့်ပါ-

years = np.arange(1880, 2011)
part_size = int((years[years.size - 1] - years[0]) / 10) + 1
parts = {}
def GetPart(year):
    return int((year - years[0]) / part_size)
for year in years:
    index = GetPart(year)
    r = years[0] + part_size * index, min(years[years.size - 1], years[0] + part_size * (index + 1))
    parts[index] = str(r[0]) + '-' + str(r[1])

dataframe_parts = []
dataframes = []
for year in years:
    dataset = datalist.format(year=year)
    dataframe = pd.read_csv(dataset, names=['name', 'sex', 'count'])
    dataframe_parts.append(dataframe.assign(years=parts[GetPart(year)]))
    dataframes.append(dataframe.assign(year=year))
    
result_parts = pd.concat(dataframe_parts)
result = pd.concat(dataframes)

result_parts_sums = result_parts.groupby(['years', 'sex', 'name'], as_index=False).sum()
result_parts_names = result_parts_sums.iloc[result_parts_sums.groupby(['years', 'sex'], as_index=False).apply(lambda x: x['count'].idxmax())]
result_sums = result.groupby(['year', 'sex', 'name'], as_index=False).sum()

for groupName, groupLabels in result_parts_names.groupby(['name', 'sex']).groups.items():
    group = result_sums.groupby(['name', 'sex']).get_group(groupName)
    fig, ax = plt.subplots(1, 1, figsize=(18,10))

    ax.set_xlabel('Года')
    ax.set_ylabel('Рождаемость')
    label = group['name']
    ax.plot(group['year'], group['count'], label=label.aggregate(np.max), color='b', ls='-')
    ax.legend(loc=9, fontsize=11)

    plt.show()

နှစ်စဉ် လူများ၏ 50% ကို လွှမ်းခြုံထားသော အမည်မည်မျှရှိသည်ကို တွက်ချက်ပြီး ဤဒေတာကို မြင်ယောင်ကြည့်ပါ-

dataframe = pd.DataFrame({'year': [], 'count': []})
years = np.arange(1880, 2011)
for year in years:
    dataset = datalist.format(year=year)
    csv = pd.read_csv(dataset, names=['name', 'sex', 'count'])
    names = csv.groupby('name', as_index=False).aggregate(np.sum)
    names['sum'] = names.sum()['count']
    names['percent'] = names['count'] / names['sum'] * 100
    names = names.sort_values(['percent'], ascending=False)
    names['cum_perc'] = names['percent'].cumsum()
    names_filtered = names[names['cum_perc'] <= 50]
    dataframe = dataframe.append(pd.DataFrame({'year': [year], 'count': [names_filtered.shape[0]]}))

fig, ax1 = plt.subplots(1, 1, figsize=(22,13))
ax1.set_xlabel('Года', fontsize = 12)
ax1.set_ylabel('Разнообразие имен', fontsize = 12)
ax1.plot(dataframe['year'], dataframe['count'], color='r', ls='-')
ax1.legend(loc=9, fontsize=12)

plt.show()

ကြားကာလတစ်ခုလုံးမှ 4 နှစ်ကို ရွေးပြီး အမည်ရှိ ပထမစာလုံးဖြင့် ဖြန့်ချီပြီး အမည်၏ နောက်ဆုံးစာလုံးဖြင့် နှစ်စဉ်ပြသကြပါစို့။

from string import ascii_lowercase, ascii_uppercase

fig_first, ax_first = plt.subplots(1, 1, figsize=(14,10))
fig_last, ax_last = plt.subplots(1, 1, figsize=(14,10))

index = np.arange(len(ascii_uppercase))
years = [1944, 1978, 1991, 2003]
colors = ['r', 'g', 'b', 'y']
n = 0
for year in years:
    dataset = datalist.format(year=year)
    csv = pd.read_csv(dataset, names=['name', 'sex', 'count'])
    names = csv.groupby('name', as_index=False).aggregate(np.sum)
    count = names.shape[0]

    dataframe = pd.DataFrame({'letter': [], 'frequency_first': [], 'frequency_last': []})
    for letter in ascii_uppercase:
        countFirst = (names[names.name.str.startswith(letter)].count()['count'])
        countLast = (names[names.name.str.endswith(letter.lower())].count()['count'])

        dataframe = dataframe.append(pd.DataFrame({
            'letter': [letter],
            'frequency_first': [countFirst / count * 100],
            'frequency_last': [countLast / count * 100]}))

    ax_first.bar(index + 0.3 * n, dataframe['frequency_first'], 0.3, alpha=0.5, color=colors[n], label=year)
    ax_last.bar(index + bar_width * n, dataframe['frequency_last'], 0.3, alpha=0.5, color=colors[n], label=year)
    n += 1

ax_first.set_xlabel('Буква алфавита')
ax_first.set_ylabel('Частота, %')
ax_first.set_title('Первая буква в имени')
ax_first.set_xticks(index)
ax_first.set_xticklabels(ascii_uppercase)
ax_first.legend()

ax_last.set_xlabel('Буква алфавита')
ax_last.set_ylabel('Частота, %')
ax_last.set_title('Последняя буква в имени')
ax_last.set_xticks(index)
ax_last.set_xticklabels(ascii_uppercase)
ax_last.legend()

fig_first.tight_layout()
fig_last.tight_layout()

plt.show()

ကျော်ကြားသူများ (သမ္မတများ၊ အဆိုတော်များ၊ သရုပ်ဆောင်များ၊ ရုပ်ရှင်ဇာတ်ကောင်များ) ကို စာရင်းပြုစုပြီး နာမည်များ၏ ရွေ့ပြောင်းမှုအပေါ် ၎င်းတို့၏ သြဇာလွှမ်းမိုးမှုကို အကဲဖြတ်ကြပါစို့။

celebrities = {'Frank': 'M', 'Britney': 'F', 'Madonna': 'F', 'Bob': 'M'}
dataframes = []
for year in years:
    dataset = datalist.format(year=year)
    dataframe = pd.read_csv(dataset, names=['name', 'sex', 'count'])
    dataframes.append(dataframe.assign(year=year))

result = pd.concat(dataframes)

for celebrity, sex in celebrities.items():
    names = result[result.name == celebrity]
    dataframe = names[names.sex == sex]
    fig, ax = plt.subplots(1, 1, figsize=(16,8))

    ax.set_xlabel('Года', fontsize = 10)
    ax.set_ylabel('Рождаемость', fontsize = 10)
    ax.plot(dataframe['year'], dataframe['count'], label=celebrity, color='r', ls='-')
    ax.legend(loc=9, fontsize=12)
        
    plt.show()

လေ့ကျင့်မှုအတွက်၊ သင်သည် နာမည်များ၏ ရွေ့ပြောင်းမှုအပေါ် ၎င်းတို့၏သြဇာလွှမ်းမိုးမှုကို ရှင်းရှင်းလင်းလင်းအကဲဖြတ်ရန်အတွက် နောက်ဆုံးနမူနာမှ မြင်သာထင်သာမြင်သာမှုတွင် ကျော်ကြားသူများ၏ဘဝကာလကို ထည့်သွင်းနိုင်သည်။

ဒီလိုလုပ်ခြင်းအားဖြင့် ကျွန်တော်တို့ရဲ့ ရည်မှန်းချက်တွေအားလုံးကို ပြီးမြောက်အောင်မြင်ခဲ့ပါတယ်။ ကျွန်ုပ်တို့သည် Python တွင် ဒေတာအုပ်စုဖွဲ့ခြင်းနှင့် ပုံဖော်ခြင်းအတွက် ကိရိယာများကို အသုံးပြုခြင်းစွမ်းရည်ကို တီထွင်ခဲ့ပြီး ဒေတာနှင့် ကျွန်ုပ်တို့ ဆက်လက်လုပ်ဆောင်သွားပါမည်။ လူတိုင်းသည် အဆင်သင့်လုပ်ထားသော၊ မြင်သာမြင်သာသော အချက်အလက်များအပေါ် အခြေခံ၍ ကောက်ချက်ဆွဲနိုင်သည်။

လူတိုင်းအတွက် ဗဟုသုတ။

source: www.habr.com