ComeçarComece de graça

Inicio
Cursos
Analisando a Atividade Policial com pandas

O gênero influencia quem recebe multa por excesso de velocidade?

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este exercício faz parte do curso

Analisando a Atividade Policial com pandas

IntermediárioNível de habilidade

4.9+

Iniciar curso de graça

Antes de começar a análise, é essencial examinar e limpar o conjunto de dados para tornar o trabalho mais eficiente. Neste capítulo, você vai praticar a correção de tipos de dados, o tratamento de valores ausentes e a remoção de colunas e linhas enquanto aprende sobre o conjunto de dados do Stanford Open Policing Project.

Exercise 1: Conjunto de dados do Stanford Open Policing Project Exercise 2: Examinando o conjunto de dados Exercise 3: Removendo colunas Exercise 4: Removendo linhas Exercise 5: Usando tipos de dados adequados Exercise 6: Encontrando um tipo de dado incorreto Exercise 7: Corrigindo um tipo de dado Exercise 8: Criando um DatetimeIndex Exercise 9: Combinando colunas do tipo object Exercise 10: Definindo o índice

O gênero do motorista impacta o comportamento policial durante uma abordagem de trânsito? Neste capítulo, você vai explorar essa questão enquanto pratica filtragem, agregação, encadeamento de métodos, operações booleanas, métodos de strings e muito mais!

Exercise 1: Os gêneros cometem violações diferentes?Exercise 2: Examinando infrações de trânsito Exercise 3: Comparando violações por gênero Exercise 4: O gênero influencia quem recebe multa por excesso de velocidade?

Exercício atual

Exercise 5: Filtrando por múltiplas condições Exercise 6: Comparando os resultados de excesso de velocidade por gênero Exercise 7: O gênero influencia quais veículos são revistados?Exercise 8: Calculando a taxa de busca Exercise 9: Comparando as taxas de revista por gênero Exercise 10: Adicionando um segundo fator à análise Exercise 11: O gênero influencia quem é revistado durante uma busca?Exercise 12: Contando revistas protetivas Exercise 13: Comparando taxas de revista por gênero

É mais provável ser preso em um certo horário do dia? As abordagens relacionadas a drogas estão aumentando? Neste capítulo, você vai responder a essas e outras perguntas analisando o conjunto de dados visualmente, já que gráficos ajudam a entender tendências de um jeito que a inspeção dos dados brutos não permite.

Exercise 1: O horário do dia afeta a taxa de prisões?Exercise 2: Calculando a taxa de prisões por hora Exercise 3: Plotando a taxa de prisões por hora Exercise 4: As abordagens relacionadas a drogas estão aumentando?Exercise 5: Plotando paradas relacionadas a drogas Exercise 6: Comparando taxas de drogas e de revistas Exercise 7: Quais infrações são registradas em cada distrito?Exercise 8: Contabilizando infrações por distrito Exercise 9: Plotando infrações por distrito Exercise 10: Por quanto tempo você pode ser parado por uma infração?Exercise 11: Convertendo durações da abordagem em números Exercise 12: Plotando a duração da abordagem

Neste capítulo, você vai usar um segundo conjunto de dados para explorar o impacto das condições climáticas no comportamento policial durante abordagens de trânsito. Você vai praticar mesclar e reestruturar conjuntos de dados, avaliar a confiabilidade de uma fonte de dados, trabalhar com dados categóricos e outras habilidades avançadas.

Exercise 1: Explorando o conjunto de dados de clima Exercise 2: Plotando a temperatura Exercise 3: Plotando a diferença de temperatura Exercise 4: Categorizando o clima Exercise 5: Contando condições climáticas desfavoráveis Exercise 6: Avaliando as condições climáticas Exercise 7: Alterando o tipo de dado para categoria Exercise 8: Mesclando conjuntos de dados Exercise 9: Preparando os DataFrames Exercise 10: Mesclando os DataFrames Exercise 11: O clima afeta a taxa de prisões?Exercise 12: Comparando taxas de prisão por classificação do clima Exercise 13: Selecionando de uma Series com MultiIndex Exercise 14: Remodelando os dados da taxa de prisões Exercise 15: Conclusão