科技工作者心理健康数据分析
数据
统计各国 男性、女性心理健康数据分布
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Created by xuehz on 2017/2/19
'''
目标：数据集 性别的统计
'''
import csv
data_path = '/Users/xuehaozhe/python--Kaggle/升级版/1/codes/lect01_proj/survey.csv'
def run_main():
'''
返回形式：如 {'United States': [20, 50], 'Canada': [30, 40]}
其中每个元素是键值对，“键”是国家名称，“值”是列表结构，
列表的第一个数为该国家女性统计数据，第二个数为该国家男性统计数据
:return: result_dict = {}
'''
male_set = {'male','m'} #男性的可能取值
female_set = {'female', 'f'} # “女性”可能的取值
result_dict = {}
with open(data_path, 'r', newline='') as csvfile:
rows = csv.reader(csvfile)
for i ,row in enumerate(rows):
if i == 0:
continue
if i % 50 == 0:
print('正在处理第{}行数据。。。'.format(i))
# print(row) ['2014-08-27 11:44:43', '30', 'male', 'United States', 'IL', 'No', 'Yes',
# break
gender_val = row[2]
country_val = row[3]
## 数据清洗
gender_val = gender_val.replace(' ', '')
# 转换为小写
gender_val = gender_val.lower()
# 判断“国家”是否已经存在
if country_val not in result_dict:
# 如果不存在，初始化数据
result_dict[country_val] = [0,0]
if gender_val in female_set:
#女性
result_dict[country_val][0] += 1
elif gender_val in male_set:
# 男性
result_dict[country_val][1] += 1
else:
# 噪声数据，不做处理
pass
# 结果写入csv
with open('gender_country.csv','w',newline='', encoding='utf-16' ) as csvfile:
csvwriter = csv.writer(csvfile, delimiter=',')
# 写入表头
csvwriter.writerow(['国家', '男性', '女性'])
for k, v in list(result_dict.items()):
csvwriter.writerow([k, v[0], v[1]])
if __name__ == '__main__':
run_main()
结果
统计各个国家 存在心理健康的平均年龄
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Created by xuehz on 2017/2/21
'''
目标：统计各个国家 存在心理健康的平均年龄
'''
import csv
data_path = '/Users/xuehaozhe/python--Kaggle/升级版/1/codes/lect01_proj/survey.csv'
def run_main():
"""
返回形式：如 {'United States': 34, 'Canada': 40}
:return: result_dict
"""
result_dict = {}
with open(data_path,'r',newline='') as csvfile:
rows = csv.reader(csvfile)
for i , row in enumerate(rows):
if i == 0:
continue
age_val = row[1]
country_val = row[3]
if (int(age_val) > 100) | (int(age_val) < 18):
#print("wrong age")
continue
if country_val not in result_dict:
result_dict[country_val] = [0,0]
result_dict[country_val][0] += int(age_val)
result_dict[country_val][1] += 1
for k,v in result_dict.items():
print('国家{}：平均年龄{}'.format(k, int(v[0]/v[1])))
if __name__ == '__main__':
run_main()
国家Hungary：平均年龄27
国家Slovenia：平均年龄19
国家Sweden：平均年龄26
国家China：平均年龄40
国家South Africa：平均年龄36
国家Poland：平均年龄30
国家Colombia：平均年龄27
国家Greece：平均年龄36
国家Czech Republic：平均年龄33
国家Bosnia and Herzegovina：平均年龄25
国家Ireland：平均年龄31
国家Belgium：平均年龄29
国家Denmark：平均年龄35
国家Russia：平均年龄24
国家Canada：平均年龄29
国家Uruguay：平均年龄26
国家United Kingdom：平均年龄30
国家Bulgaria：平均年龄28
国家Netherlands：平均年龄31
国家Austria：平均年龄26
国家Moldova：平均年龄26
国家Norway：平均年龄33
国家Brazil：平均年龄27
国家Singapore：平均年龄34
国家Romania：平均年龄29
国家Costa Rica：平均年龄38
国家United States：平均年龄33
国家Georgia：平均年龄20
国家India：平均年龄24
国家Nigeria：平均年龄25
国家Israel：平均年龄25
国家Spain：平均年龄30
国家Italy：平均年龄33
国家Japan：平均年龄49
国家France：平均年龄31
国家Mexico：平均年龄34
国家Portugal：平均年龄32
国家Finland：平均年龄29
国家Philippines：平均年龄31
国家Switzerland：平均年龄29
国家Latvia：平均年龄29
国家Croatia：平均年龄38
国家Thailand：平均年龄40
国家Australia：平均年龄29
国家Germany：平均年龄30
国家New Zealand：平均年龄34
open()函数
open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True)
在Python3，可以通过open函数的newline参数来控制Universal new line mode：读取时候，不指定newline，则默认开启Universal new line mode，所有 , , or 被默认转换为 ；写入时，不指定newline，则换行符为各系统默认的换行符（ , , or , ），指定为newline=' '，则都替换为 （相当于Universal new line mode）；不论读或者写时，newline=''都表示不转换。