Accéder au contenu principal

Cours

Analyzing Police Activity with pandas

IntermédiaireNiveau de compétence

Actualisé 09/2024

Commencer le cours gratuitement

PythonData Manipulation

4 h

16 vidéos

50 Exercices

4,100 XP

66,175

Certificat de formation

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former une équipe ?

Essayez pour les entreprises

Description du cours

Maintenant que vous maîtrisez les bases de pandas, ce cours vous permet d’appliquer ces connaissances pour répondre à des questions concrètes à partir d’un jeu de données réel. Vous explorerez le jeu de données du Stanford Open Policing Project et analyserez l’impact du genre sur le comportement policier. Au fil du cours, vous vous exercerez à nettoyer des données imparfaites, créer des visualisations, combiner et remodeler des jeux de données, et manipuler des séries temporelles. Analyzing Police Activity with pandas vous offrira une expérience précieuse d’analyse de bout en bout d’un jeu de données, afin de vous préparer à une carrière en data science.

Prérequis

Joining Data with pandas

1

Préparer les données pour l’analyse

Avant de commencer l’analyse, il est essentiel d’examiner et de nettoyer le jeu de données pour travailler plus efficacement. Dans ce chapitre, vous vous exercerez à corriger les types de données, à gérer les valeurs manquantes et à supprimer des colonnes et des lignes tout en découvrant le jeu de données du Stanford Open Policing Project.

Jeu de données du Stanford Open Policing Project

Examiner le jeu de données

Supprimer des colonnes

Supprimer des lignes

Utiliser les bons types de données

Identifier un type de données incorrect

Corriger un type de données

Créer un DatetimeIndex

Combiner des colonnes de type object

Définir l’index

Commencer le chapitre

2

Explorer le lien entre le genre et l’action policière

Le genre du conducteur a-t-il un impact sur le comportement de la police lors d’un contrôle routier ? Dans ce chapitre, vous explorerez cette question tout en vous entraînant au filtrage, au groupement, au chaînage de méthodes, aux opérations booléennes, aux méthodes sur les chaînes de caractères, et plus encore.

Les genres commettent-ils des violations différentes ?

Examiner les infractions au code de la route

Comparer les infractions selon le genre

Le genre influence-t-il qui reçoit une amende pour excès de vitesse ?

Filtrer selon plusieurs conditions

Comparer les issues pour excès de vitesse selon le genre

Le genre influence-t-il les fouilles de véhicules ?

Calculer le taux de fouille

Comparer les taux de fouille selon le genre

Ajouter un second facteur à l’analyse

Le genre influence-t-il la personne qui est fouillée lors d’une perquisition ?

Compter les fouilles de sécurité

Comparer les taux de fouille par palpation selon le genre

Commencer le chapitre

3

Analyse exploratoire visuelle des données

Avez-vous plus de chances d’être arrêté à certaines heures de la journée ? Les contrôles liés à la drogue sont-ils en hausse ? Dans ce chapitre, vous répondrez à ces questions et à d’autres en analysant visuellement le jeu de données, car les graphiques aident à comprendre les tendances d’une manière que l’examen des données brutes ne permet pas.

L’heure de la journée influence-t-elle le taux d’arrestation ?

Calcul du taux d’arrestation horaire

Tracer le taux d’arrestation horaire

Les contrôles liés à la drogue sont-ils en hausse ?

Tracer les contrôles liés à la drogue

Comparer les taux liés à la drogue et de fouille

Quelles infractions sont relevées dans chaque district ?

Dénombrement des infractions par district

Tracer les infractions par district

Combien de temps pourriez-vous être arrêté pour une infraction ?

Convertir les durées d’interpellation en nombres

Tracer la durée d’immobilisation

Commencer le chapitre

4

Analyser l’effet de la météo sur l’action policière

Dans ce chapitre, vous utiliserez un second jeu de données pour explorer l’impact des conditions météorologiques sur le comportement de la police lors des contrôles routiers. Vous vous exercerez à fusionner et remodeler des jeux de données, à évaluer la fiabilité d’une source de données, à travailler avec des données catégorielles, et à d’autres compétences avancées.

Explorer le jeu de données météo

Tracer la température

Tracer l’écart de température

Catégoriser la météo

Compter les conditions météo défavorables

Évaluer les conditions météo

Changer le type de données en catégorie

Fusionner des jeux de données

Préparer les DataFrames

Fusionner les DataFrames

La météo influence-t-elle le taux d’arrestation ?

Comparer les taux d’arrestation selon l’évaluation de la météo

Sélectionner dans une Series à index multiple

Remodeler les données du taux d’arrestation

Commencer le chapitre

Analyzing Police Activity with pandas

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Analyzing Police Activity with pandas dès aujourd'hui !

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.