用Python数据分析了北京积分落户名单，发现……
以下文章来源于凹凸数据 ，作者MINUS大大
导读：北京积分落户制度已经实行两年了，2018年申报积分落户的124657名申请人中6019位落户人员取得落户资格。
而去年2019年，申报积分落户人数为106403名，实际公示名单共6007人。
这些人来自哪些公司呢？这些公司都是哪些行业的？他们年龄多大？
作者：董汇标MINUS
来源：凹凸玩数据（ID：alltodata）
原文首发于知乎：
https://zhuanlan.zhihu.com/p/97217536
01 数据分析
我们本次用到的分析工具包有：pandas、seaborn和Matplotlib。
落户数据是csv文档（文末可下载），内部记录了6019条落户信息。
所以先利用pandas读取数据csv文档，并看看有哪些列，可以看到这个表有4列构成，人名、生日、公司、积分。
luohu_data = pd.read_csv('./bj_luohu.csv', index_col = 'id')
luohu_data.head(5)
此时有一个疑问这些人来自哪些公司呢？公司有没有重复的? 这些公司都是哪些行业的？
所以按照公司分组查看一下：
company_data = luohu_data.groupby('company', as_index=False).count()[['company', 'name']]
company_data.rename(columns={'name':'人数'}, inplace=True) # 替换 1
company_data.rename(columns={'company':'公司名'},inplace=True) # 替换 2
company_data.head(20)
这么直接看的话人数没有顺序的，所以我们再对人数进行降序排列，看看落户最多的哪几家！
company_sorted_data = company_data.sort_values('人数', ascending=False)
company_sorted_data.head(15) # 前15
emmmm。。。满眼科技公司，华为、百度、联想、爱立信、腾讯均在前15名，其次是一些国企央之类的。
02 数据可视化
积分数socre是连续数值，因此这里进行分段分析，经过describe初步了解，得分最小90，最大122.6 所以这么划分：90-130分，5分一段
cut_bins = np.arange(90, 130, 5) #分段设置
bins = pd.cut(luohu_data['score'], cut_bins) # 将落户数据，按照cutbins来切一下
bin_counts = luohu_data['score'].groupby(bins).count()
bin_counts.head(10)
直接出来的话是数据，那么我在直接画个图更直观的看一下
plt.figure(figsize=(15,8))
plt.rcParams['font.family']='Arial Unicode MS'
plt.rcParams['axes.unicode_minus']=False
plt.rcParams['font.size']=12
x_name=['90-95','95-100','100-105','105-110','110-115','115-120','120-125']
sns.barplot(x_name,bin_counts)
plt.ylabel('人数')
plt.xlabel('分数区间')
for x, y in zip(range(7), bin_counts):
plt.text(x, y+20 , y, ha='center', va='bottom')
plt.show()
可以看到，落户人数主要集中在90-100分之间，合计5101人，如果想落户，达到95分就没什么问题了。
那么现在又有个问题，比如达到90分以上我都60了也没啥意义了，那么这些落户的主要集中在什么年龄段呢？年龄与积分有相关性吗？来看看。
首先需要根据生日算一下落户年龄：
luohu_data['age'] = (pd.to_datetime('2018-07') - pd.to_datetime(luohu_data['birthday'])) / pd.Timedelta('365 days')
luohu_data.describe()
mean=luohu_data['age'].mean()
std =luohu_data['age'].std()
# 得到上下限
lower , upper =mean -3*std , mean+3*std
print('均值',mean)
print('标准差',std)
print('下限',lower)
print('上限',upper)得到：
作图看一下分布：
#fig.set_size_inches(15,5) # 设置画布大小
sns.distplot(luohu_data['age']) 
可以看到，最小的年龄也32岁了最大年龄60岁，75%分位数在43岁左右。年龄均值42岁。
03 总结
根据本篇简单的数据分析我们发现：
通过积分获得北京户口的年龄段集中在35岁到46岁之间，主要为42±2岁之间；积分集中在90分左右，行业集中在IT和国企央企及金融行业。
据有关媒体统计，在北京当前的积分落户政策下，本科生需要15左右年才能拿到100分，研究生也需要12年以上才能拿到100分。
大家想一下：虽然现在100分可以落户，但12/15年后跟你同批的毕业生就全都100分了......
而其他城市的落户政策是上海七年，深圳一年，北京落户还真是真是不容易啊。
相关分析源码和北京积分落户数据已上传github：
https://github.com/zpw1995/aotodata/tree/master/bj_luohu
有话要说?
Q: 你觉得哪座城市落户最难？
欢迎留言与大家分享