数据分析Day8: 数据分布分析

分析分析：是指根据分析的目的，将数据（定量数据）进行等距或者不等距的分组，进行研究各组分布规律的一种分析方法。如收入分布，年龄分析。

例子，用户（签约作者）的文章篇数分析

步骤：
1、定义分组的数组，如年龄分段。要包含最小值和最大值的数据

r = pd.read_csv(path)
bins = [min(r.articles)-1,50,100,200,300,max(r.articles)+1]

2、定义分组的标签

labels=['23-50篇','50-100篇','100-200篇','200-300篇','300篇+']

3、使用pandas.cut()方法，根据分组和标签进行划分

import pandas
articles_cut=pandas.cut(r.articles, bins,labels=labels)
r['articels-cut']=articles_cut

4、统计汇总 groupby

r.groupby(by=['articels-cut'])['author'].agg({'total':numpy.size})

分布汇总数据

加入分布列后的DataFrame

问题：如果日期列进行分布分析，采用to_datetime()进行数据转换后，也无法进行分布处理。之前采用的方式是对注册日期列(regtime)采用字任串截取slice，保留年-月，再分类统计。