数据分析练习1，要求：给你1000个身份证号码，告诉我里面有多少男女，各省市人口的分布，这些人的年龄和星座。分析：我要先生成1000个可以满足上面分析的身份证，然后进行分析，我想最后能够得到可视化的数据。
import random
import datetime
def ident_generator():
#身份证号的前两位，省份代号
province = ('11','12','13','14','15','21','22','23','31','32','33','34','35',
'36','37','41','42','43','44','45','46','50','51','52','53','54','61','62','63','64','65','71','81','82')
#第3-第6位为市和区的代码。这里傻瓜式的设置为随机4位数(我知道这里没有0000-0999)
district = random.randint(1000,9999)
#第7-第14位出生的年月日的代码，这里设置的是，大于等于18岁左右，小于68岁左右
birthdate = (datetime.date.today() - datetime.timedelta(days = random.randint(6500, 25000)))
#第15-第16位为户籍所在地派出所。这里傻瓜式的设置为随机2位数
police_station = random.randint(10,99)
#第17位性别
gender = random.randrange(0,9,1)
#拼接出身份证号的前17位
ident = province[random.randint(0, 33)] + str(district) + birthdate.strftime("%Y%m%d") + str(police_station) + str(gender)
#将前面的身份证号码17位数分别乘以不同的系数，系数见coe，然后将这17位数字和系数相乘的结果相加。用加出来和除以11，看余数是多少？
coe = {1: 7, 2: 9, 3: 10, 4: 5, 5: 8, 6: 4, 7: 2, 8: 1, 9: 6, 10: 3, 11:7, 12: 9, 13: 10, 14: 5, 15: 8, 16: 4, 17: 2}
summation = 0
#ident[i:i+1]使用的是python的切片获得每位数字
for i in range(17):
summation = summation + int(ident[i:i + 1]) * coe[i+1]
#用余数对照key得到校验码，比如余数为2，则校验码（第18位）为X
key = {0: '1', 1: '0', 2: 'X', 3: '9', 4: '8', 5: '7', 6: '6', 7: '5', 8: '4', 9: '3', 10: '2'}
check_code = key[summation % 11]
return ident + check_code
def get_constellation(month, date):
dates = (21, 20, 21, 21, 22, 22, 23, 24, 24, 24, 23, 22)
constellations = ("摩羯", "水瓶", "双鱼", "白羊", "金牛", "双子", "巨蟹", "狮子", "处女", "天秤", "天蝎", "射手", "摩羯")
if date < dates[month-1]:
return constellations[month-1]
else:
return constellations[month]
这里参考的：https://www.cnblogs.com/jiaolong/archive/2011/03/13/1982945.html
他也是参考的人家的，不过对12/31的问题做了优化
ident_generator()
'462467196305067669'
现在，我们有了身份证生成器，我希望，能够生成1000个这样的身份证，然后分析，然后将身份证以及分析得到的数据存为CSV文件
import numpy as np
arr = np.empty(shape=(1000,6))
arr.dtype
arr = arr.astype(np.str)
for i in range(1000):
id = ident_generator()
# print (id)
# print (id[0:2])
province_id = {'11':'北京市','12':'天津市','13':'河北省','14':'山西省','15':'内蒙古','21':'辽宁省','22':'吉林省',
'23':'黑龙江','31':'上海市','32':'江苏省','33':'浙江省','34':'安徽省','35':'福建省','36':'江西省',
'37':'山东省','41':'河南省','42':'湖北省','43':'湖南省','44':'广州省','45':'广西省','46':'海南省',
'50':'重庆市','51':'四川省','52':'贵州省','53':'云南省','54':'西藏省','61':'陕西省','62':'甘肃省',
'63':'青海省','64':'宁夏省','65':'新疆省','71':'台湾省','81':'香港省','82':'澳门省'}
province_out = province_id[id[0:2]]
#print (province_out)
#print (id[6:14])
time = datetime.datetime.strptime(id[6:14], '%Y%m%d').date()
#print (time)
age = 2019 - int(id[6:10]) + 1
#print (age)
gender_id = {'1':'男','2':'女','3':'男','4':'女','5':'男','6':'女','7':'男','8':'女','9':'男','0':'女'}
gender_out = gender_id[id[16]]
#print (gender_out)
month = int(id[10:12])
day = int(id[12:14])
#print (constellation)
# print (get_constellation(month, day))
constellation_out = get_constellation(month, day)
arr[i]=[id,province_out,time,age,gender_out,constellation_out]
import pandas as pd
data_out = pd.DataFrame(arr,columns=('ident','procince','brithday','age','gender','constellation'))
data_out.head()
#data_out.to_csv('../datasets/Id_information.csv')
图片1
array([['376222196009229908', '山东省', '1960-09-22', '60', '女', '处女'],
['418222197511259677', '河南省', '1975-11-25', '45', '男', '射手'],
['518454195504104083', '四川省', '1955-04-10', '65', '女', '白羊'],
...,
['618246199207136071', '陕西省', '1992-07-13', '28', '男', '巨蟹'],
['211247199809185853', '辽宁省', '1998-09-18', '22', '男', '处女'],
['541181196208276872', '西藏省', '1962-08-27', '58', '男', '处女']],
dtype='<U32')
这里我把这个存储为CSV的操作注释掉了，防止每次运行将文件替换掉，那文件里存在的版本为上面这个。
下面就开始分析。
dataset_url = '../../datasets/Id_information.csv'
data = pd.read_csv(dataset_url)
data.head()
但是我从CSV读取后，是这样的：
图片2
不知道为啥，多了一列索引
data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 7 columns):
Unnamed: 0 1000 non-null int64
ident 1000 non-null object
procince 1000 non-null object
brithday 1000 non-null object
age 1000 non-null int64
gender 1000 non-null object
constellation 1000 non-null object
dtypes: int64(2), object(5)
memory usage: 54.8+ KB
data.describe()
图片3
data["gender"].value_counts()
女 559
男 441
Name: gender, dtype: int64
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
plt.figure(figsize=(6,6)) #调节图形大小
labels = [u'女', u'男']
sizes = [559, 441]
colors = 'red', 'orange'
explode = (0.2, 0) # 各类别的偏移半径
patches,text1,text2 = plt.pie(sizes,
explode=explode,
labels=labels,
colors=colors,
autopct = '%3.2f%%', #数值保留固定小数位
shadow = False, #无阴影设置
startangle =90, #逆时针起始角度设置
pctdistance = 0.6) #数值距圆心半径倍数距离
#patches饼图的返回值，texts1饼图外label的文本，texts2饼图内部的文本
plt.axis('equal')
plt.title("男女性别分布情况图")
plt.legend()
plt.show()
图片4
data["age"].hist(bins=50, figsize=(8,5))
plt.title("年龄分布情况图")
plt.xlabel('年龄')
plt.ylabel('人数')
plt.show()
图片5
我的博客： 随机生成身份证号码并进行分析
