Python与机器学习（第2版）（微课版） 课件 2-04-交叉分析任务实施

课程负责人：陈清华交叉分析任务实施【数据挖掘应用】课程碳排放数据分析知识与能力目标理解透视表、交叉表的作用会区分交叉分析与分组分析、分布分析的异同会使用透视表、交叉表对碳排放数据进行交叉分析会使用热力图展现交叉分析结果碳排放数据交叉分析主要内容任务工单引导问题任务评价标准任务解决方案代码解析tpf.xlsx教学难点交叉分析以交叉表形式进行变量间关系的对比分析，主要用于分析两个变量之间的关系，通过交叉表呈现。任务概述

任务描述：使用透视表和交叉表工具，对中国1997-2019年各行业的碳排放数据在行业、年份维度进行交叉分析。010010011001101010100100110110100101110101000100001011011101001010101101010011010010numyearitemRawCoalCleanedCoal...Scope1Total11997Farming,Forestry,AnimalHusbandry,FisheryandWaterConservancy30.897729120.416359042

74.3789848421997CoalMiningandDressing32.958534775.252869261

44.3459333231997PetroleumandNaturalGasExtraction5.2746735910.000619491

36.9702250641997FerrousMetalsMiningandDressing0.8354291580.002890957

3.81144775537889任务工单数据源tpf.xlsx显示结果

任务要求任务概述行业与年份（1）什么是交叉分析？与分组分析、分布分析有何不同？（2）常用的交叉分析工具有哪些？Python中如何实现交叉分析？（3）Pandas中pivot_table()主要用来做什么？有哪些参数？如何指定需要分析的维度？（4）Pandas中crosstab()主要用来做什么？有哪些参数？（5）如何展现交叉分析结果？Matplotlib或Seaborn中如何绘制该图？”

问题引导：任务概述

任务评价：任务概述评价内容评价要点分值分数评定自我评价1.任务实施数据透视表分析2分会按行业、年份进行透视表分析得2分

数据交叉表分析2分会按行业、年份进行交叉表分析得2分

2.结果展现数据可视化显示4分能正确显示透视表分析结果得1分，能正确显示交叉表分析结果得1分，能用图表展示交叉分析结果得2分

3.任务总结依据任务实施情况总结结论2分总结内容切中本任务的重点要点得1分，能比较两种方式的异同得1分

合计10分

部分数据显示第2行：导入pandas包，并给出别名pd。第3行：先按行业‘item’分组，再按年份‘year’分组#coding:utf-8importpandasaspdpd.pivot_table(df_detail,index=["item","year"],

values=["NaturalGas","Scope1Total"],

aggfunc=np.mean)任务解决方案步骤一：使用数据透视表对天然气和合计碳排放量进行交叉分析。任务解决方案crs=pd.crosstab(df_detail['item'],df_detail['year'],values=df_detail['NaturalGas'],aggfunc=np.mean)部分数据显示步骤二：使用交叉表对天然气碳排放量进行交叉分析。crs.head()第6行：使用热力图。第7、8行：定义x，y轴对应的列名sns.heatmap(crs,cmap=‘rocket_r’)

plt.xlabel('Year')plt