Статья Автор: Подолян София

infpandas

Этот набор данных bank-full2 предназначен для изучения маркетинговых кампаний португальского банковского учреждения. Он содержит информацию о маркетинговых кампаниях банка, а также демографические данные клиентов и экономические показатели.

Dataset bank-full2 содержит данные:

Age - возраст клиента

Job - работа клиента

Marital - семейное положение

Education - уровень образования

Default - Есть ли дефолт по кредиту (no - нет, unknown - неизвестно)

Housing - Есть ли жилищный кредит? (yes - есть, no - нет, unknown - неизвестно)

Loan - Есть ли личный кредит?

Contact - Тип связи с клиентом

Month - месяц связи с клиентом

Duration - сколько дней человек является клиентом данного банка

С помощью библиотеки Pandas считайте данные функцией read из файла bank-addition-full.cvs
Постройте столбчатую диаграмму, показывающую сколько процентов людей не имеют жилищный кредит, в каждой категории образования.

Постройте круговую диаграмму, показывающую сколько людей являются клиентами этого банка:

1) менее 100 дней

2) От 100 до 200

3) От 200 до 400

4) от 400 и более

Постройте гистограмму распределения возраста клиентов банка.

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('bank-full2.csv',encoding='iso8859-1', sep=';', dayfirst=True )
df.columns = map(str.lower, df.columns)
housing_no_percentage = df[df['housing'] == 'no'].groupby('education').size() / df.groupby('education').size() * 100

housing_no_percentage.plot(kind='bar', color='skyblue', figsize=(10, 6))
plt.title('Процент людей без жилищного кредита по категориям образования')
plt.xlabel('Уровень образования')
plt.ylabel('Процент людей без жилищного кредита')
plt.xticks(rotation=45)
plt.grid(axis='y')
plt.show()

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('bank-full2.csv',encoding='iso8859-1', sep=';', dayfirst=True )
df.columns = map(str.lower, df.columns)
 
df['client_duration'] = pd.cut(df['duration'], bins=[0, 100, 200, 400, float('inf')], labels=['<100', '100-200', '200-400', '400+'])
duration_counts = df['client_duration'].value_counts()

duration_counts.plot(kind='pie', autopct='%1.1f%%', colors=['lightgreen', 'lightblue', 'lightcoral', 'lightskyblue'], figsize=(8, 8))
plt.title('Количество клиентов банка по продолжительности клиентства')
plt.ylabel('')
plt.show()

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('bank-full2.csv',encoding='iso8859-1', sep=';', dayfirst=True )
df.columns = map(str.lower, df.columns)

df['age'].plot(kind='hist', bins=20, color='salmon', figsize=(10, 6))
plt.title('Распределение возраста клиентов банка')
plt.xlabel('Возраст')
plt.ylabel('Частота')
plt.grid(axis='y')
plt.show()

Прикрепленные файлы
bank-full2.csv

Чтобы оставить комментарий нужна авторизация

Печать