用python数据分析了北京积分落户名单，发现……

↑ 关注 + 置顶 ~ 有趣的不像个技术号

 

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。

准备打开官方网站下载数据分析一下，结果发现过了公示期网页就打不开了。

经过一番努力，在网上收集到了2018年的6019位落户人员名单和信息（均为公开展示信息）。

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。

2

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。

3

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，香港七年，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

作者：董汇标MINUS，关注知乎点击左下角原文链接。

微信首发于公众号【凹凸玩数据】，有趣的不像个技术号

End

想了解更多更好玩的数据分析知识，

扫描下方二维码关注我们吧！

读者交流群已建立，后台回复「微信群」即可

加入与作者一起讨论交流