
پیش نیاز جهت درک این نوشته شامل:
آشنایی با زبان پایتون،
دیتاست Health Inspection شیکاگو
و چهار چوب کلی کتابخونه matplotlib هست.
اول میایم دیتاست رو به برنامه وارد می کنیم.


پیش پردازش هایی که لازمه رو انجام می دیم. (دیگه پیش پردازشش رو توضیح نمی دم. چون فرض گرفتم که اونو یاد دارید.)

یه نگاهی به فیلد violations دیتاست میندازیم :

بد بختی که داریم اینجاست که این اطلاعات خیلی بد ثبت شده اند. مثلا اگه بخوایم ببینیم که یه رستوران چند بار یه خلاف واسش ثبت شده می بینیم که کد به توضیحات چسبیده و اگه بخوایم تحلیل کنیم باید جداسازی بشه.
راه حلی که ارائه می کنم اینه : با استفاده از متد extract، یه الگو ریگولار اکسپرشنی دادم بهش
که اعداد هر ردیفی رو جدا کنه و در نهایت به int تبدیلش کردم. فقط توجه داشته باشید که expand رو مشخص کنید. اگه true باشه، خروجی رو در غالب data frame درست می کنه و اگه false باشه، خروجی به صورت سری درست می شه.

حالا نوبت به رسم نمودار می رسه

از نمودار می فهمیم کد 34 خیلی زیاد تکرار شده :

امیدوارم این نوشته براتون مفید بوده باشه.
از همراهیتون صمیمانه ممنونم ...