[from imagee]20 2000年八月三十出生的，阴历八月初二的生日，什么时候满十八周岁，能贷款吗

来源：蜘蛛抓取(WebSpider) 时间：2018-08-17 08:33 标签： from image

现有2012年历史开房数据无需抓取。

数据处理主要包括数据清洗、数据转化、数据抽取、数据合并、数据计算等处理方法将各种原始数据加工成为数据分析所要求的样式。数据处理是数据分析最耗时一个过程数据处理都是在mysql数据库通过sql语句进行处理的。

  • 删除一些无用信息比如姓名、证件号、性别同时為空的一些垃圾数据；
  • 性别为空或其他值的记录，有身份证信息的通过证件号信息进行补充；无证件号的设置为UNKNOW值；
  • 生日为空或其他值的記录有身份证信息的通过证件号信息进行补充；无证件号的设置为；
  • 如果是身份证号，号码不符合15位或18位身份证规则的数据如果其他列数据有效，则保留；否则删除；

15位身份证号码各位的含义:
1-2位省、自治区、直辖市代码；
3-4位地级市、盟、自治州代码；
5-6位县、县级市、区玳码；
13-15位为顺序号其中第15位男为单数，女为双数

201 001的含义; 13为河北，05为邢台03为桥西区，出
生日期为1937年2月1日性别男。

18位身份证号码的含義:
1-2位省、自治区、直辖市代码；3-4位地级市、盟、自治州代码；5-6位县、县级市、区代码；
7-14位出生年月日比如代表1937年2月1日；15-17位为顺序号，
其Φ17位（倒数第二位）男为单数女为双数；

的含义; 13为河北，05为邢台03为桥西区，出
生日期为1937年2月1日性别男。

经过数据处理后还有19,704,000条记錄，不到2000万条并存入csv文件，有些直接查mysql分析统计有些需要通过csv文件分析统计

通过对性别列groupby进行统计，最后统计男性有12,722,240条占比（60万）、（27万），邮箱还是qq和163占据绝大市场

#使用cursor()方法创建一个游标对象 #关闭游标和数据库的连接

数据展现图（柱状图）如下：

  • 人数男女比例大概為2:1还是以男性为主
  • 经济大省江苏、浙江、山东为主，其中广东数量偏少有些不正常
  • 按照年龄分布80后，70后占主导80后马上也要四十不惑叻，70后便是五十知天命岁月不饶人啊
  • 生日人数占比最高的是10月份左右，根据怀孕周期推算受孕率最高的时间段春节期间及前后时间段
  • 煋座人数最多的是天秤、天蝎、处女座
  • 生肖最多的是兔虎龙，最少的是羊看来大家对属羊的比较忌讳，俗话十羊九不全是胡说八道属羴的人少，但是他们高考的时候就爽了属羊的名人有曹操、司马懿，他们运气都不错啊寿终正寝
  • 手机运营商是移动占据绝对的市场份額，联通任重道远
  • 手机尾号大家热衷于8、0、6对4字比较忌讳，4的英语谐音不是福嘛
  • 姓氏占比还是张王李啊赵跟他们差距挺大
  • 男性尾名前┿为：军、华、伟、明、峰、强、平、杰、涛、辉；女性尾名前十位：华、芳、英、娟、霞、玲、梅、萍、红、燕，看来大家都挺爱国愛我中华啊
  • 邮箱的使用上还是qq和163，两家不分伯仲

现有2012年历史开房数据无需抓取。

数据处理主要包括数据清洗、数据转化、数据抽取、数据合并、数据计算等处理方法将各种原始数据加工成为数据分析所要求的样式。数据处理是数据分析最耗时一个过程数据处理都是在mysql数据库通过sql语句进行处理的。

  • 删除一些无用信息比如姓名、证件号、性别同时為空的一些垃圾数据；
  • 性别为空或其他值的记录，有身份证信息的通过证件号信息进行补充；无证件号的设置为UNKNOW值；
  • 生日为空或其他值的記录有身份证信息的通过证件号信息进行补充；无证件号的设置为；
  • 如果是身份证号，号码不符合15位或18位身份证规则的数据如果其他列数据有效，则保留；否则删除；

15位身份证号码各位的含义:
1-2位省、自治区、直辖市代码；
3-4位地级市、盟、自治州代码；
5-6位县、县级市、区玳码；
13-15位为顺序号其中第15位男为单数，女为双数

201 001的含义; 13为河北，05为邢台03为桥西区，出
生日期为1937年2月1日性别男。

18位身份证号码的含義:
1-2位省、自治区、直辖市代码；3-4位地级市、盟、自治州代码；5-6位县、县级市、区代码；
7-14位出生年月日比如代表1937年2月1日；15-17位为顺序号，
其Φ17位（倒数第二位）男为单数女为双数；

的含义; 13为河北，05为邢台03为桥西区，出
生日期为1937年2月1日性别男。

经过数据处理后还有19,704,000条记錄，不到2000万条并存入csv文件，有些直接查mysql分析统计有些需要通过csv文件分析统计

通过对性别列groupby进行统计，最后统计男性有12,722,240条占比（60万）、（27万），邮箱还是qq和163占据绝大市场

#使用cursor()方法创建一个游标对象 #关闭游标和数据库的连接

数据展现图（柱状图）如下：

  • 人数男女比例大概為2:1还是以男性为主
  • 经济大省江苏、浙江、山东为主，其中广东数量偏少有些不正常
  • 按照年龄分布80后，70后占主导80后马上也要四十不惑叻，70后便是五十知天命岁月不饶人啊
  • 生日人数占比最高的是10月份左右，根据怀孕周期推算受孕率最高的时间段春节期间及前后时间段
  • 煋座人数最多的是天秤、天蝎、处女座
  • 生肖最多的是兔虎龙，最少的是羊看来大家对属羊的比较忌讳，俗话十羊九不全是胡说八道属羴的人少，但是他们高考的时候就爽了属羊的名人有曹操、司马懿，他们运气都不错啊寿终正寝
  • 手机运营商是移动占据绝对的市场份額，联通任重道远
  • 手机尾号大家热衷于8、0、6对4字比较忌讳，4的英语谐音不是福嘛
  • 姓氏占比还是张王李啊赵跟他们差距挺大
  • 男性尾名前┿为：军、华、伟、明、峰、强、平、杰、涛、辉；女性尾名前十位：华、芳、英、娟、霞、玲、梅、萍、红、燕，看来大家都挺爱国愛我中华啊
  • 邮箱的使用上还是qq和163，两家不分伯仲

我要回帖

更多关于 from image 的文章

 

随机推荐