Python数据分析：美国警察枪击案EDA分析

冷不防 2022-12-28 08:11 264阅读 0赞

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于Python实用宝典 ，作者：肯德

![Python数据分析：美国警察枪击案EDA分析][Python_EDA]

# 前言 #

2014年在密苏里州一名叫做弗格森（Ferguson）的警察杀害了迈克尔·布朗（Michael Brown）后，美国开始了一场抗议警察暴力对待黑人的运动-Black Lives Matter（黑人的命也是命，简称BLM ）。

2020年，在明尼阿波利斯警察德里克·乔文杀害乔治·弗洛伊德（乔治·弗洛伊德）之后，BLM运动再次成为头条新闻，引起国际社会的进一步关注。

自2015年1月1日起，《华盛顿邮报》一直在整理一个数据库，其中记录了值班警员在美国发生的每起致命枪击事件。这个数据库里包含了死者的种族，年龄和性别，该人是否有武器，以及受害人是否正在遭受精神健康危机。

下面就让我们来使用这个数据集来进行数据分析。

# **1.准备** #

开始之前，你要确保Python和pip已经成功安装在电脑上，如果你用Python的目的是数据分析，可以直接安装Anaconda，它内置了Python和pip。

此外，推荐大家用VSCode编辑器，因为它可以在编辑器下面的终端运行命令安装依赖模块

本文提供了流程性，建议使用VSCode的Jupiter Notebook扩展，新建一个称为 **test.ipynb** 的文件，跟着教程一步步走下去。

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 1]

Windows环境下打开Cmd（开始-运行-CMD），苹果系统环境下请打开Terminal（command +空格输入Terminal），输入命令安装依赖：

所需依赖：

pip install numpy
    pip install pandas
    pip install plotly
    pip install seaborn

> 本文译自：https：//www.kaggle.com/edoardo10/fatal-police-shooting-eda-plotly-seaborn/data

# **2.代码与分析** #

首先，约会我们分析所需要使用的模块：

import pandas as pd
    import matplotlib.pyplot as plt
    import seaborn as sns
    import numpy as np
    from datetime import datetime
    import plotly.express as px
    import plotly.graph_objects as go
    import warnings
    import plotly.offline as pyo
    pyo.init_notebook_mode()
    warnings.filterwarnings('ignore')
    pd.set_option('display.max_columns', 500)
    sns.set_style('white')
    %matplotlib inline

需要分析的数据集：

df = pd.read_csv('./PoliceKillingsUS.csv', encoding='cp1252')
    df.head()

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 2]

**时间特征**

从这6年的月度数据来看，我们可以看到，在2015年上半年，2018年初和2020年第一季度，我们达到了每月超过100起致命事故的高峰。从月度来看，这种现象不明显的后果。

df['date'] = df['date'].apply(lambda x: pd.to_datetime(x))
    df['date'].groupby(df.date.dt.to_period('M')).count().plot(kind='line')

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 3]

看看警察枪击案的事故是否具有周末特征：

count = df['date'].apply(lambda x: 'Weekday' if x.dayofweek < 5 else 'Weekend').value_counts(normalize=True)
    f, ax = plt.subplots(1,1)
    sns.barplot(x=count.index, y=count.values, ax=ax, palette='twilight')

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 4]

显然，我们没有证据表明周末会发生更多的案件。

不过，如果细化到星期里的每一天，我们会发现周中发生案件的概率较高：

count = df['date'].apply(lambda x: x.dayofweek).value_counts(normalize=True).sort_index()
    count.index = ['Mon','Tue','Wed','Thu','Fri','Sat','Sun']
    
    f, ax = plt.subplots(1,1)
    sns.barplot(x=count.index, y=count.values, ax=ax, palette='twilight')
    ax.set_title('Cases (%) for each day of the week');

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 5]

接下来看看以下4个特征的分布：

> 精神疾病的征兆：是否精神障碍
> 
> 威胁等级：威胁等级
> 
> body\_camera：警察是否带了随身摄像头
> 
> way\_of\_death：死亡方式

count_1 = df['signs_of_mental_illness'].value_counts(normalize=True)
    count_2 = df['threat_level'].value_counts(normalize=True)
    count_3 = df['body_camera'].value_counts(normalize=True)
    count_4 = df['manner_of_death'].value_counts(normalize=True)
    
    fig, axes = plt.subplots(2, 2, figsize=(8, 8), sharey=True)
    
    sns.barplot(x=count_1.index, y=count_1.values, palette="rocket", ax=axes[0,0])
    axes[0,0].set_title('Signs of mental illness (%)')
    sns.barplot(x=count_2.index, y=count_2.values, palette="viridis", ax=axes[0,1])
    axes[0,1].set_title('Threat level (%)')
    sns.barplot(x=count_3.index, y=count_3.values, palette="nipy_spectral", ax=axes[1,0])
    axes[1,0].set_title('Body camera (%)')
    sns.barplot(x=count_4.index, y=count_4.values, palette="gist_heat", ax=axes[1,1])
    axes[1,1].set_title('Manner of death (%)');

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 6]

我们可以看到，只有20％的案例受害者有精神残疾的限额；

只有10％的警察有随身摄像头；

70％的情况被宣布为危险状况；

死亡方式似乎不是一个有趣的变量，因为大多数案件都是“枪毙”；

**美国的警察是否具有种族主义倾向？**

count = df.race.value_counts(normalize=True)
    count.index = ['White', 'Black', 'Hispanic', 'Asian', 'Native American', 'Other']
    
    f, ax = plt.subplots(1,1, figsize=(8,6))
    sns.barplot(y=count.index, x=count.values, palette='Reds_r')
    ax.set_title('Total cases for each race (%)');

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 7]

从上图我们知道，大部分致命的枪击事件中，涉及最多的是白人，其次是黑人和西班牙裔。

但这个图表并没有考虑人种比例。参考2019年美国的种族比例，我们可以看到，美国黑人受害者的比例更高：

> 数据来源：https ://data.census.gov/cedsci/table?q = Hispanic%20or%20Latino & tid = ACSDP1Y2019.DP05&hidePreview = false

share_race_usa_2019 = pd.Series([60.0, 12.4, 0.9, 5.6, 18.4, 2.7], index=['White','Black','Native American','Asian','Hispanic','Other'])
    
    count_races = count / share_race_usa_2019
    count_races = count_races.sort_values(ascending=False)
    f, ax = plt.subplots(1,1, figsize=(8,6))
    
    sns.barplot(y=count_races.index, x=count_races.values, palette='Greens_r')
    ax.set_title('Total cases for each race on total USA race percentage rate');

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 8]

**受害者的年龄**

接下来看看受害者年龄的分布密度图：

sns.set_style('whitegrid')
    fig, axes = plt.subplots(1, 1, figsize=(10, 8))
    axes.xaxis.set_ticks(np.arange(0,100,10))
    
    sns.kdeplot(df[df.race == 'N'].age, ax=axes, shade=True, color='#7FFFD4')
    sns.kdeplot(df[df.race == 'O'].age, ax=axes, shade=True, color='#40E0D0')
    sns.kdeplot(df[df.race == 'B'].age, ax=axes, shade=True, color='#00CED1')
    sns.kdeplot(df[df.race == 'H'].age, ax=axes, shade=True, color='#6495ED')
    sns.kdeplot(df[df.race == 'A'].age, ax=axes, shade=True, color='#4682B4')
    sns.kdeplot(df[df.race == 'W'].age, ax=axes, shade=True, color='#008B8B')
    
    
    legend = axes.legend_
    legend.set_title("Race")
    for t, l in zip(legend.texts,("Native", "Other", 'Black', 'Hispanic', 'Asian', 'White')):
        t.set_text(l)

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 9]

由这些叠加的密度图可以抛光：

对于而言和白人而言，大多数案件的受害者年龄都在30岁左右。

对于其他和印第安人来说，在大多数案件中，受害者大约28岁。

对于西班牙裔和黑人而言，大多数案件的受害者年龄都在25岁左右。

所以我们可以说，西班牙裔美国人和黑人的年轻人，是被警察开枪射击的高危人群。

**受害者性别比例**

按常理，这种暴力事件的受害者一般都为男性，看看是不是这样：

fig = px.pie(values = df.gender.value_counts(normalize=True).values, names=df.gender.value_counts(normalize=True).index, title='Total cases gender (%)')
    fig.update(layout=dict(title=dict(x=0.5),autosize=False, width=400, height=400))
    fig.show()

![Python数据分析：美国警察枪击案EDA分析][Python_EDA 10]

果然如此，超过95％的受害者都为男性。

简单的EDA分析就是这些，另外，作者还分享了很多深层次的分析，不过并没有将数据分享出来，这里就不展示了。

[Python_EDA]: /images/20221120/17115daf9175498f93575b76ea894d1f.png
[Python_EDA 1]: /images/20221120/dd47fd51a48b4d35a3d27be23cdc0cd7.png
[Python_EDA 2]: /images/20221120/28f109c02b9841b38488ca7546232d2a.png
[Python_EDA 3]: /images/20221120/abb3072053374d3e8f260a6e937a0cc3.png
[Python_EDA 4]: /images/20221120/fc149902fa5a4c95b6d399bcad5f7729.png
[Python_EDA 5]: /images/20221120/e2c74ac4b11445e59782eda0f110c7d1.png
[Python_EDA 6]: /images/20221120/5b2d484c9a174dc2a649f0dc844f5733.png
[Python_EDA 7]: /images/20221120/994c916b5b6c42e18e6b2fad2ed7ec0f.png
[Python_EDA 8]: /images/20221120/54a8de8eb52848d99c5bde3d13d9db40.png
[Python_EDA 9]: /images/20221120/83e6d3bf281c42b791ea6b27da0bff07.png
[Python_EDA 10]: /images/20221120/206e79444ffc4ef7a3b1c220ebe0a586.png