資料檔案：（汽車油耗分析都是基于這個檔案進行分析的）
下載下傳位址：https://www.fueleconomy.gov/feg/download.shtml
一、環境安裝與配置
1、下載下傳安裝jupyter notebook之前 ,先下載下傳安裝anaconda（我的電腦系統：windows10，64位）官網下載下傳： https://www.anaconda.com/download/#windows
安裝成功後，打開指令行視窗，輸入【pip install jupyter】就可以下載下傳安裝jupyter，詳見步驟3。
2、下載下傳安裝python3.6.1（提前已經安裝并配置python環境），關于python的下載下傳安裝和配置可以百度，主要是配置環境變量path。安裝配置成功後，在指令行中輸入python，如圖：
3、在安裝好的Anaconda Prompt指令視窗中，輸入pip install jupyter（圖為安裝成功後指令行顯示）
4、安裝ggplot（運作代碼時報錯，發現問題後，安裝解決）
ggplot for python：ggplot是一個python的庫，基本上是對R語言ggplot的功能移植到Python上。運作安裝：pip install ggplot
5、将檔案：vehicles.csv放到磁盤目錄下：D:/model/vehicles.csv
（這裡的路徑要和代碼中此處的路徑一緻 vehicles = pd.read_csv(“D:/model/vehicles.csv”) ）
二、在Jupyter Notebook中開始項目
1、打開Jupyter Notebook，建立python檔案：
在In[ ]單元格中輸入python指令：
import pandas as pd
import numpy as np
from ggplot import *
import matplotlib.pyplot as plt
%matplotlib inline
vehicles = pd.read_csv(“D:/model/vehicles.csv”)
print(vehicles.head())
按Shift+enter執行單元格代碼，結果如圖：
2、描述汽車油耗等資料：
接着上面的代碼，繼續輸入：（将之前的代碼注釋掉，簡化頁面）
（1）、檢視觀測點（行）：len(vehicles)
（2）、檢視變量數（列）：print (len(vehicles.columns))
print(vehicles.columns)
（3）、檢視年份資訊：print(len(pd.unique(vehicles.year)))
print(min(vehicles.year))
print(max(vehicles.year))
（4）、檢視燃料類型：print(pd.value_counts(vehicles.fuelType))
（5）、檢視變速箱類型： pd.value_counts(vehicles.trany)
trany變量自動擋是以A開頭，手動擋是以M開頭；故建立一個新變量trany2：
vehicles[‘trany2’] = vehicles.trany.str[0]
pd.value_counts(vehicles.trany2)
3、分析汽車油耗随時間變化的規律
（1）、先按年份分組：grouped = vehicles.groupby(‘year’)
再計算其中三列的均值：
averaged= grouped[‘comb08’, ‘highway08’, ‘city08’].agg([np.mean])
為友善分析,對其進行重命名,然後建立一個‘year’的列,包含該資料框data frame的索引：
averaged.columns = [‘comb08_mean’, ‘highwayo8_mean’, ‘city08_mean’]
averaged[‘year’] = averaged.index
print(averaged )
（2）、使用ggplot包将結果繪成散點圖：allCarPlt = ggplot(averaged, aes(‘year’, ‘comb08_mean’)) + geom_point(colour=’steelblue’) + xlab(“Year”) + ylab(“Average MPG”) + ggtitle(“All cars”)
print(allCarPlt)
（3）、去除混合動力汽車：
criteria1 = vehicles.fuelType1.isin([‘Regular Gasoline’, ‘Premium Gasoline’, ‘Midgrade Gasoline’])
criteria2 = vehicles.fuelType2.isnull()
criteria3 = vehicles.atvType != ‘Hybrid’
vehicles_non_hybrid = vehicles[criteria1 & criteria2 & criteria3]
将得到的資料框data frame按年份分組，并計算平均油耗：
grouped = vehicles_non_hybrid.groupby([‘year’])
averaged = grouped[‘comb08’].agg([np.mean])
averaged[‘hahhahah’] = averaged.index
print(averaged)
（4）、檢視是否大引擎的汽車越來越少：print(pd.unique(vehicles_non_hybrid.displ))
（5）、去掉nan值，并用astype方法保證各個值都是float型的：
criteria = vehicles_non_hybrid.displ.notnull()
vehicles_non_hybrid = vehicles_non_hybrid[criteria]
vehicles_non_hybrid.loc[:,’displ’] = vehicles_non_hybrid.displ.astype(‘float’)
criteria = vehicles_non_hybrid.comb08.notnull()
vehicles_non_hybrid = vehicles_non_hybrid[criteria]
vehicles_non_hybrid.loc[:,’comb08’] = vehicles_non_hybrid.comb08.astype(‘float’)
最後用ggplot包來繪圖：
gasOnlineCarsPlt = ggplot(vehicles_non_hybrid, aes(‘displ’, ‘comb08’)) + geom_point(color=’steelblue’) +xlab(‘Engine Displacement’) + ylab(‘Average MPG’) + ggtitle(‘Gasoline cars’)
print(gasOnlineCarsPlt)
（6）、檢視是否平均起來汽車越來越少了：
grouped_by_year = vehicles_non_hybrid.groupby([‘year’])
avg_grouped_by_year = grouped_by_year[‘displ’, ‘comb08’].agg([np.mean])
計算displ和conm08的均值，并改造資料框data frame：
avg_grouped_by_year[‘year’] = avg_grouped_by_year.index
melted_avg_grouped_by_year = pd.melt(avg_grouped_by_year, id_vars=’year’)
建立分屏繪圖：
p = ggplot(aes(x=’year’, y=’value’, color = ‘variable_0’), data=melted_avg_grouped_by_year)
p + geom_point() + facet_grid(“variable_0”,scales=”free”) #scales參數fixed表示固定坐标軸刻度，free表示回報坐标軸刻度
print(p)
4、調查汽車的制造商和型号
接下來的步驟會引導我們繼續深入完成資料探索
（1）、首先檢視cylinders變量有哪些可能的值：print(pd.unique(vehicles_non_hybrid.cylinders))
（2）、再将cylinders變量轉換為float類型,這樣可以輕松友善地找到data frame的子集：
vehicles_non_hybrid.cylinders = vehicles_non_hybrid.cylinders.astype(‘float’)
pd.unique(vehicles_non_hybrid.cylinders)
（3）、現在，我們可以檢視各個時間段有四缸引擎汽車的品牌數量：
vehicles_non_hybrid_4 = vehicles_non_hybrid[(vehicles_non_hybrid.cylinders==4.0)]
grouped_by_year_4_cylinder =vehicles_non_hybrid_4.groupby([‘year’]).make.nunique()
plt.plot(grouped_by_year_4_cylinder)
plt.xlabel(“Year”)
plt.ylabel(“Number of 4-Cylinder Maker”)
plt.show()
分析：
我們可以從上圖中看到，從1980年以來四缸引擎汽車的品牌數量呈下降趨勢。然而，需要注意的是，這張圖可能會造成誤導，因為我們并不知道汽車品牌總數是否在同期也發生了變化。為了一探究竟，我們繼續一下操作。
（4）、檢視各年有四缸引擎汽車的品牌的清單，找出每年的品牌清單：
grouped_by_year_4_cylinder = vehicles_non_hybrid_4.groupby([‘year’])
unique_makes = []
from functools import reduce
for name, group in grouped_by_year_4_cylinder:
#list中存入set(),set裡包含每年中的不同品牌：
unique_makes.append(set(pd.unique(group[‘make’])))
unique_makes = reduce(set.intersection, unique_makes)
print(unique_makes)
我們發現，在此期間隻有12家制造商每年都制造四缸引擎汽車。
接下來，我們去發現這些汽車生産商的型号随時間的油耗表現。這裡采用一個較複雜的方式。首先，建立一個空清單，最終用來産生布爾值Booleans。我們用iterrows生成器generator周遊data frame中的各行來産生每行及索引。然後判斷每行的品牌是否在此前計算的unique_makes集合中，在将此布爾值Blooeans添加在Booleans_mask集合後面。
（5）、建立一個空清單，最終用來産生布爾值Booleans
boolean_mask = []
這裡是注釋#—用iterrows生成器generator周遊data frame中的各行來産生每行及索引：
for index, row in vehicles_non_hybrid_4.iterrows():
這裡是注釋#—判斷每行的品牌是否在此前計算的unique_makes集合中,在将此布爾值Blooeans添加在Booleans_mask集合後面：
make = row[‘make’]
boolean_mask.append(make in unique_makes)
df_common_makes = vehicles_non_hybrid_4[boolean_mask]
這裡是注釋#—先将資料框data frame按year和make分組，然後計算各組的均值：
df_common_makes_grouped = df_common_makes.groupby([‘year’, ‘make’]).agg(np.mean).reset_index()
這裡是注釋#—最後利用ggplot提供的分屏圖來顯示結果：
oilWithTime = ggplot(aes(x=’year’, y=’comb08’), data = df_common_makes_grouped) + geom_line() + facet_wrap(‘make’)
print(oilWithTime)
這是使用python進行資料分析的簡單實踐，有利于進一步加深對資料挖掘的認識。