Python高级应用课程设计作业——自然灾害大数据分析与可视化

一、选题背景

自然灾害对人类生活构成严重威胁，因此开展灾害数据分析与评估，了解特定地区、灾害的发生规律，了解自然灾害的致灾因子对自然、社会、经济和环境所造成的影响，以及短期和长期变化方式，并在此基础上采取行动，降低自然灾害风险，减少自然灾害对社会经济和人们生命财产所造成的损失，在自然灾害频发的当下，要对自然灾害有更多的了解，自然灾害数据的分析和可视化能呈现更直观的灾害信息。

二、大数据

1.分析的数据集

 

• fema_declaration_string：用于唯一识别斯塔福德法案声明的机构标准方法，串联declaration_type,disaster_number和state。
• disaster_number：用于指定宣布为灾难的事件或事件的顺序分配编号。
• state：美国的州、地区或领地。
• declaration_type：“DR”（= 重大灾害）、“EM”（= 应急管理）或“FM”（=“火灾管理”）之一
• declaration_date: 宣布灾难的日期。
• fy_declared: 灾难开始的年份。
• incident_type：事件类型，例如“火灾”、“洪水”或“飓风”。事件类型将影响可用的援助类型。
• declaration_title: 灾难的标题。这可能是一个有用的标识符，例如“卡特里娜飓风”或“Covid-19 大流行”。
• ih_program_declared：二进制标志，指示是否为此灾难宣布了“个人和家庭计划”。
• ia_program_declared：二进制标志，指示是否为此灾难宣布了“个人援助计划”。
• pa_program_declared：二进制标志，指示是否为此灾难宣布了“公共援助计划”。
• hm_program_declared：指示是否为此灾难宣布了“减灾计划”的二进制标志。
• incident_begin_date：事件本身开始的日期。
• incident_end_date：事件本身结束的日期。
  
• disaster_closeout_date：所有灾害结束的日期。
  
• fips：5 位 FIPS 县代码；用于标识美国、哥伦比亚特区、美国领土、美国边远地区和自由联系州的县。
• place_code：FEMA 内部使用的唯一代码系统来识别采用数字“99”+ 3 位县 FIPS 代码的位置。有一些声明的位置没有可识别的 FIPS 县代码，在这种情况下分配了唯一标识符。
• designated_area：描述包含在声明中的美国县的名称或短语。可以取值“全州”。
• declaration_request_number：分配给请求灾难声明的唯一 ID。
• hash: MD5 记录的字段和值的哈希值。
• last_refresh：FEMA 上次更新记录的日期。
• id：分配给记录的唯一 ID。
  
• 总计62715条数据

2.数据分析课程设计方案概述：

1.对数据进行基本的分组和分析

2.用图形来分析灾害的频率

3.依照所得的图形得出相应的推论

三、数据分析步骤

1.数据源：https://www.kaggle.com/headsortails/us-natural-disaster-declarations

2.导入包，导入数据集。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
from datetime import datetime
#读取数据集
filename = 'D:/us_disaster_declarations.csv'
df = pd.read_csv(filename)

 

    数据清洗

　　1.进行初步的数据清洗。

 (1)删除与本次数据分析无关的列：

 

（2）空值处理

   

     (3)  重复数据删除

     

      （4）空格处理

#删除与本次数据分析无关的列
df.drop('hash',axis=1,inplace=True)#删除记录的字段和值的哈希值列，对本次实验无用数据
df.drop('last_refresh',axis=1,inplace=True)#删除上次更新记录的日期列，对本次实验无用数据
df.drop('id',axis=1,inplace=True)#删除ID列，对本次实验无用数据

#空值处理
df['disaster_number'].isnull().value_counts()#判断关键字段是否存在空值
df['incident_type'].isnull().value_counts()#判断关键字段是否存在空值
df['state'].isnull().value_counts()#判断关键字段是否存在空值
df['ih_program_declared'].isnull().value_counts()#判断关键字段是否存在空值
df['fy_declared'].isnull().value_counts()#判断关键字段是否存在空值
df['disaster_closeout_date'].isnull().value_counts()#判断关键字段是否存在空值
df['declaration_request_number'].isnull().value_counts()#判断关键字段是否存在空值
df['fips'].isnull().value_counts()#判断关键字段是否存在空值
df['incident_begin_date'].isnull().value_counts()#判断关键字段是否存在空值

#删除重复数据
df = df.drop_duplicates()

#空格处理
df['fema_declaration_string']=df['fema_declaration_string'].map(str.strip)
df['state']=df['state'].map(str.strip)
df['declaration_type']=df['declaration_type'].map(str.strip)
df['declaration_date']=df['declaration_date'].map(str.strip)
df['incident_type']=df['incident_type'].map(str.strip)
df['declaration_title']=df['declaration_title'].map(str.strip)
df['designated_area']=df['designated_area'].map(str.strip)
df['incident_begin_date']=df['incident_begin_date'].map(str.strip)

df.head()

 

 2.进一步数据清理：通过describe（）函数查询异常值

#异常值处理
df.describe()

 未发现异常值

 

 三、数据可视化

 1.用不同图形绘制不同灾害发生频率图

#提取数据
E_df = df[df['incident_type'] == 'Earthquake']#提取出灾难类型为地震的数据
T_df = df[df['incident_type'] == 'Tornado']#提取出灾难类型为龙卷风的数据
F_df = df[df['incident_type'] == 'Flood']#提取出灾难类型为洪水的数据

E_df = df[df['incident_type'] == 'Earthquake']#提取出灾难类型为地震的数据

#提取数据
a=np.array(E_df['fy_declared'])
b=np.array(E_df['declaration_title'])

#绘制地震散点图
plt.figure(figsize=(50,15))
plt.xlabel("日期")
plt.ylabel("地震")
plt.plot(a,b,linewidth=5.0,c='y',label="地震")
plt.title('Number of earthquakes in each year')
plt.show()

T_df = df[df['incident_type'] == 'Tornado']#提取出灾难类型为龙卷风的数据

#提取数据
a=np.array(T_df['fy_declared'])
b=np.array(T_df['declaration_title'])

#绘制龙卷风的散点图
plt.figure(figsize=(30,15))
plt.xlabel("日期")
plt.ylabel("龙卷风")
plt.scatter(a,b,linewidth=3.0,c='r',label="龙卷风")
plt.title('Number of Tornado in each year')
plt.show()

F_df = df[df['incident_type'] == 'Flood']#提取出灾难类型为洪水的数据

#提取数据
a=np.array(F_df['fy_declared'])
b=np.array(F_df['declaration_title'])

#绘制洪水的散点图
plt.figure(figsize=(50,30))
plt.xlabel("日期")
plt.ylabel("洪水")
plt.plot(a,b,linewidth=5.0,c='b',label="洪水")
plt.title('Number of Flood in each year')
plt.show()

 

 

 

由图我们可以看出，洪水的发生频次远大于地震与龙卷风，并且随着年份的增加发生次数也有相应的增长。

 

#调取各州所对应的自然灾害数据
m=df[['state','incident_type']].groupby('state').describe()
m['incident_type'].sort_values(by='count',ascending=False).head(10)

 

#事件数量
fig,axes=plt.subplots(2,2)
sns.distplot(df['incident_type'].value_counts(),ax=axes[0][0])
sns.distplot(df['incident_type'].value_counts(),kde=False,ax=axes[0][1])
sns.distplot(df['incident_type'].value_counts(),rug=True,ax=axes[1][0])
sns.distplot(df['incident_type'].value_counts(),vertical=True,ax=axes[1][1])

 

 

 

#各种自然灾害发生的频率
m=df[['fy_declared','incident_type']].groupby('fy_declared').describe()['incident_type'].reset_index()
plt.figure(figsize=(10,5))
plt.title('Frequency of various natural disasters')
sns.barplot(x='top',y='freq',data =m)

由图我们可以直观的看出不同灾害的发生频率,由于数据集中加入了生物灾害，2020新冠爆发，所以生物灾害发生频率远大于其他灾害。

 

2.画出年份与灾害发生次数的回归图

#年份与自然灾害发生次数的回归图
m=df['fy_declared'].value_counts().reset_index()
sns.lmplot(x='index',y='fy_declared',data=m.sort_values(by='fy_declared'),
           aspect=1.7, height=5,markers=['o'], scatter_kws={'s':20});
plt.title('Regression diagram of year and number of natural disasters')

由此回归图可以看出，从1960年到2020年美国每年发生灾害的次数呈线性增加

 

3.接下来制作各个州受灾所占比例的饼图和柱状图

1.饼图

#调取州所对应的数据
d=m.sort_values(by='state').reset_index().head(10)

#用饼图来展现每个州的受自然灾害影响的情况
d=m.sort_values(by='state').reset_index()
c=d['state']
a=d['index']
e=np.array(a)
plt.pie(c ,labels=e,autopct='%1.2f%%',pctdistance=0.8) #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Disaster situation in each state')
plt.figure(figsize=(30,30))

 

2.柱状图

#调取州所对应的事件类型
S = df[['state','incident_type']].groupby('state').count().head(10)

#用柱状图来展现每个州的受自然灾害影响的情况
S = df[['state','incident_type']].groupby('state').count()
S.reset_index(inplace=True)
S=S.sort_values(by='incident_type',ascending=False)
plt.figure(figsize=(30,10))
sns.barplot(x="state", y="incident_type", data=S,)
plt.title('Impact of natural disasters in each state')
total_width,n=0.8,3#设置间隔
plt.grid()#增加网格

 

3.热力图

#热力图来展现各州在不同年份受自然灾害的影响情况
pt = df.pivot_table(values ='disaster_number', index = 'state', columns = 'fy_declared').fillna(0)
plt.figure(figsize=(10,8))
sns.heatmap(pt, cmap='coolwarm');
plt.savefig('heatmap.png')
plt.title('Disaster heat map')

结合图像可以直观的看出：TX(德克萨斯州)是美国受自然灾害影响最大的州，PW是受自然灾害影响最小的,GA(佐治亚州)的受灾情况接近平均值。

 

4.下面我们就德克萨斯州和佐治亚州进行具体的分析

画出德克萨斯州各个年份受自然灾害影响情况

#德克萨斯州
m=df.query('state=="TX"')['fy_declared'].value_counts().reset_index()
plt.figure(figsize=(30,15))
sns.barplot(x='index',y='fy_declared',data=m.sort_values(by='fy_declared'));
plt.title('Impact of natural disasters in Texas in each year')
plt.grid()

#佐治亚州
a=df.query('state=="GA"')['fy_declared'].value_counts().reset_index()
plt.figure(figsize=(30,15))
sns.barplot(x='index',y='fy_declared',data=m.sort_values(by='fy_declared'));
plt.title('Impact of natural disasters in Georgia in each year')
plt.grid()

#德克萨斯州年份与受灾情况的回归图
m=df.query('state=="TX"')['fy_declared'].value_counts().reset_index()
sns.regplot(x='index',y='fy_declared', data=m.sort_values(by='fy_declared'),
            color='r',marker='+')

#佐治亚州年份与受灾情况的回归图
a=df.query('state=="GA"')['fy_declared'].value_counts().reset_index()
sns.regplot(x='index',y='fy_declared', data=a.sort_values(by='fy_declared'),
            color='g',marker='*')

plt.title('Regression of years and disaster conditions in Texas and Georgia')

 

 从柱状图中可以看出德克萨斯州在2005年时受自然灾害影响最大，每年自然灾害的发生的次数有相应的降低，佐治亚州在2017年时受自然灾害影响最大。

从回归图中可以看出在1975年以前佐治亚州每年自然灾害发生次数大于德克萨斯州，1975年以后德克萨斯州每年自然灾害发生次数大于佐治亚洲。

 

5. 用饼图分析德克萨斯州和佐治亚州各种自然灾害所占比例

#佐治亚州各种自然灾害所占比例
a=df.query('state=="GA"')['incident_type'].value_counts().reset_index()
b=a['index']
c=np.array(b)
d=a['incident_type']
plt.pie(d,labels=b,autopct='%1.2f%%',pctdistance=0.8) #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Proportion of natural disasters in Georgia')
plt.figure(figsize=(20,6.5))

#德克萨斯州各种自然灾害所占比例
m=df.query('state=="TX"')['incident_type'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['incident_type']
plt.pie(d,labels=b,autopct='%1.2f%%',pctdistance=0.8) #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Proportion of various natural disasters in Texas')
plt.figure(figsize=(20,6.5))

 

有图可知，飓风和火灾是德克萨斯州常发的自然灾难，飓风和强冰暴是佐治亚州常发的自然灾害

 

#查询受自然灾害影响最大的郡
df[['designated_area','incident_type']].groupby('designated_area').count().sort_values(by='incident_type',ascending=False).head(10)

华盛顿郡受自然灾害影响最大。

 

6.自然灾害的声明类型有三种“DR" (重大灾害), "EM" (紧急灾难), or "FM" (= "火灾")

#灾害声明类型统计
df['declaration_type'].value_counts()

 在所有数据中重大灾害有42378条，紧急灾害有18508条，火灾有1828条

 

用盒图和柱状图来展现灾害声明类型

#用盒图来展现灾害声明类型
m=df[['fy_declared','declaration_type']]
plt.figure(figsize=(8,5))
sns.boxplot(x='declaration_type',y='fy_declared',data=m);
plt.title('Disaster declaration type')

#用柱状图来展现灾害声明类型
fig,axes=plt.subplots(1,2)
plt.figure(figsize=(10,5))
sns.barplot(x='index',y='declaration_type',data=df['declaration_type'].value_counts().reset_index(),ax=axes[0])
sns.barplot(x='declaration_type',y='index',data=df['declaration_type'].value_counts().reset_index(),ax=axes[1])
plt.title('Disaster declaration type')

 用盒图和柱状图我们可以更直观的看出灾害声明类型的数量分布

 

 7.德克萨斯州和佐治亚州公共援助计划占比

 

   pa_program_declared：二进制标志，指示是否为此灾难宣布了“公共援助计划”。（1有， 0没有）

• ia_program_declared：二进制标志，指示是否为此灾难宣布了“个人援助计划”。（1有， 0没有） 

#德克萨斯州
#二进制标志，指示是否为此灾难宣布了“公共援助计划"（1有 0没有）
m=df.query('state=="TX"')['pa_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['pa_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Did the state of Texas announce a public aid program for the disaster')
plt.figure(figsize=(20,6.5))

#佐治亚洲
#二进制标志，指示是否为此灾难宣布了“公共援助计划"（1有 0没有）
m=df.query('state=="GA"')['pa_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['pa_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Did Georgia announce a public assistance program for the disaster')
plt.figure(figsize=(20,6.5))

#德克萨斯州
#二进制标志，指示是否为此灾难宣布了“个人援助计划"（1有 0没有）
m=df.query('state=="TX"')['ia_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['ia_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Indicates whether a "personal assistance plan" has been announced for this disaster')
plt.figure(figsize=(20,6.5))

#佐治亚州
#二进制标志，指示是否为此灾难宣布了“个人援助计划"（1有 0没有）
m=df.query('state=="GA"')['ia_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['ia_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Indicates whether a "personal assistance plan" has been announced for this disaster')
plt.figure(figsize=(20,6.5))

#年份与是否执行公共援助计划情况的回归图
m=df.query('pa_program_declared==1')['fy_declared'].value_counts().reset_index()
sns.regplot(x='index',y='fy_declared', data=m.sort_values(by='fy_declared'),
            color='b',marker='+')
plt.title('And whether the public assistance program is implemented')

 

由饼图可知佐治亚洲的公共援助服务比德克萨斯州好，公共援助率达到了95.99%

由回归图我们可以看出美国公共援助服务量不断增加。

 

 四、完整代码

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
  warnings.filterwarnings('ignore')
from datetime import datetime
  #读取数据集
  filename = 'D:/us_disaster_declarations.csv'
 df = pd.read_csv(filename)

#删除与本次数据分析无关的列
  df.drop('hash',axis=1,inplace=True)#删除记录的字段和值的哈希值列，对本次实验无用数据
  df.drop('last_refresh',axis=1,inplace=True)#删除上次更新记录的日期列，对本次实验无用数据
 df.drop('id',axis=1,inplace=True)#删除ID列，对本次实验无用数据
 
  #空值处理
  df['disaster_number'].isnull().value_counts()#判断关键字段是否存在空值
  df['incident_type'].isnull().value_counts()#判断关键字段是否存在空值
  df['state'].isnull().value_counts()#判断关键字段是否存在空值
 df['ih_program_declared'].isnull().value_counts()#判断关键字段是否存在空值
 df['fy_declared'].isnull().value_counts()#判断关键字段是否存在空值
 df['disaster_closeout_date'].isnull().value_counts()#判断关键字段是否存在空值
 df['declaration_request_number'].isnull().value_counts()#判断关键字段是否存在空值
 df['fips'].isnull().value_counts()#判断关键字段是否存在空值
 df['incident_begin_date'].isnull().value_counts()#判断关键字段是否存在空值
 
 #删除重复数据
 df = df.drop_duplicates()
 
 #空格处理
 df['fema_declaration_string']=df['fema_declaration_string'].map(str.strip)
 df['state']=df['state'].map(str.strip)
 df['declaration_type']=df['declaration_type'].map(str.strip)
 df['declaration_date']=df['declaration_date'].map(str.strip)
 df['incident_type']=df['incident_type'].map(str.strip)
 df['declaration_title']=df['declaration_title'].map(str.strip)
 df['designated_area']=df['designated_area'].map(str.strip)
 df['incident_begin_date']=df['incident_begin_date'].map(str.strip)
 
 df.head()
#异常值处理
df.describe()

E_df = df[df['incident_type'] == 'Earthquake'].head(5)#提取出灾难类型为地震的数据
T_df = df[df['incident_type'] == 'Tornado']#提取出灾难类型为龙卷风的数据
F_df = df[df['incident_type'] == 'Flood']#提取出灾难类型为洪水的数据

E_df = df[df['incident_type'] == 'Earthquake']#提取出灾难类型为地震的数据

  #提取数据
 a=np.array(E_df['incident_begin_date'])
 b=np.array(E_df['declaration_title'])
  
  #绘制地震的折线图
  plt.figure(figsize=(50,15))
 plt.xlabel("日期")
 plt.ylabel("地震")
 plt.plot(a,b,linewidth=5.0,c='y',label="地震")
 plt.title('Number of earthquakes in each year')
 plt.show()

T_df = df[df['incident_type'] == 'Tornado']#提取出灾难类型为龙卷风的数据

  #提取数据
  a=np.array(T_df['incident_begin_date'])
  b=np.array(T_df['declaration_title'])
 
  #绘制龙卷风的折线图
  plt.figure(figsize=(50,15))
 plt.xlabel("日期")
 plt.ylabel("龙卷风")
 plt.plot(a,b,linewidth=5.0,c='r',label="龙卷风")
 plt.title('Number of Tornado in each year')
 plt.show()

F_df = df[df['incident_type'] == 'Flood']#提取出灾难类型为洪水的数据
  
  #提取数据
  a=np.array(F_df['incident_begin_date'])
  b=np.array(F_df['declaration_title'])
  
  #绘制洪水的折线图
 plt.figure(figsize=(50,30))
 plt.xlabel("日期")
plt.ylabel("洪水")
 plt.plot(a,b,linewidth=5.0,c='b',label="洪水")
 plt.title('Number of Flood in each year')
plt.show()

#调取各州所对应的自然灾害数据
m=df[['state','incident_type']].groupby('state').describe()
m['incident_type'].sort_values(by='count',ascending=False).head(10)

#事件数量
fig,axes=plt.subplots(2,2)
 sns.distplot(df['incident_type'].value_counts(),ax=axes[0][0])
 sns.distplot(df['incident_type'].value_counts(),kde=False,ax=axes[0][1])
 sns.distplot(df['incident_type'].value_counts(),rug=True,ax=axes[1][0])
 sns.distplot(df['incident_type'].value_counts(),vertical=True,ax=axes[1][1])

#各种自然灾害发生的频率
m=df[['fy_declared','incident_type']].groupby('fy_declared').describe(）['incident_type'].reset_index()
plt.figure(figsize=(10,5))
plt.title('Frequency of various natural disasters')
sns.barplot(x='top',y='freq',data =m)

#年份与自然灾害发生次数的回归图
m=df['fy_declared'].value_counts().reset_index()
sns.lmplot(x='index',y='fy_declared',data=m.sort_values(by='fy_declared'),
            aspect=1.7, height=5,markers=['o'], scatter_kws={'s':20});
 plt.title('Regression diagram of year and number of natural disasters')

#调取州所对应的数据
d=m.sort_values(by='state').reset_index().head(10)

#用饼图来展现每个州的受自然灾害影响的情况
d=m.sort_values(by='state').reset_index()
c=d['state']
a=d['index']
e=np.array(a)
plt.pie(c ,labels=e,autopct='%1.2f%%',pctdistance=0.8) #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Disaster situation in each state')
plt.figure(figsize=(30,30))

#调取州所对应的事件类型
S = df[['state','incident_type']].groupby('state').count().head(10)

#用柱状图来展现每个州的受自然灾害影响的情况
S = df[['state','incident_type']].groupby('state').count()
S.reset_index(inplace=True)
 S=S.sort_values(by='incident_type',ascending=False)
plt.figure(figsize=(30,10))
sns.barplot(x="state", y="incident_type", data=S,)
 plt.title('Impact of natural disasters in each state')
total_width,n=0.8,3#设置间隔
plt.grid()#增加网格

#热力图来展现各州在不同年份受自然灾害的影响情况
pt = df.pivot_table(values ='disaster_number', index = 'state', columns = 'fy_declared').fillna(0)
plt.figure(figsize=(10,8))
sns.heatmap(pt, cmap='coolwarm');
plt.savefig('heatmap.png')
plt.title('Disaster heat map')

#德克萨斯州
m=df.query('state=="TX"')['fy_declared'].value_counts().reset_index()
plt.figure(figsize=(30,15))
sns.barplot(x='index',y='fy_declared',data=m.sort_values(by='fy_declared'));
plt.title('Impact of natural disasters in Texas in each year')
plt.grid()

#佐治亚州
a=df.query('state=="GA"')['fy_declared'].value_counts().reset_index()
plt.figure(figsize=(30,15))
sns.barplot(x='index',y='fy_declared',data=m.sort_values(by='fy_declared'));
plt.title('Impact of natural disasters in Georgia in each year')
plt.grid()

#德克萨斯州年份与受灾情况的回归图
m=df.query('state=="TX"')['fy_declared'].value_counts().reset_index()
sns.regplot(x='index',y='fy_declared', data=m.sort_values(by='fy_declared'),
            color='r',marker='+')
 
 #佐治亚州年份与受灾情况的回归图
 a=df.query('state=="GA"')['fy_declared'].value_counts().reset_index()
 sns.regplot(x='index',y='fy_declared', data=a.sort_values(by='fy_declared'),
             color='g',marker='*')
 
plt.title('Regression of years and disaster conditions in Texas and Georgia')

#佐治亚州各种自然灾害所占比例
a=df.query('state=="GA"')['incident_type'].value_counts().reset_index()
b=a['index']
c=np.array(b)
d=a['incident_type']
plt.pie(d,labels=b,autopct='%1.2f%%',pctdistance=0.8) #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Proportion of natural disasters in Georgia')
plt.figure(figsize=(20,6.5))

#德克萨斯州各种自然灾害所占比例
m=df.query('state=="TX"')['incident_type'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['incident_type']
plt.pie(d,labels=b,autopct='%1.2f%%',pctdistance=0.8) #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Proportion of various natural disasters in Texas')
plt.figure(figsize=(20,6.5))

#查询受自然灾害影响最大的郡
df[['designated_area','incident_type']].groupby('designated_area').count().sort_values(by='incident_type',ascending=False).head(10)

#灾害声明类型统计
df['declaration_type'].value_counts()

#用盒图来展现灾害声明类型
m=df[['fy_declared','declaration_type']]
plt.figure(figsize=(8,5))
sns.boxplot(x='declaration_type',y='fy_declared',data=m);
plt.title('Disaster declaration type')

#用柱状图来展现灾害声明类型
fig,axes=plt.subplots(1,2)
plt.figure(figsize=(10,5))
sns.barplot(x='index',y='declaration_type',data=df['declaration_type'].value_counts().reset_index(),ax=axes[0])
sns.barplot(x='declaration_type',y='index',data=df['declaration_type'].value_counts().reset_index(),ax=axes[1])
plt.title('Disaster declaration type')

#德克萨斯州
#二进制标志，指示是否为此灾难宣布了“公共援助计划"（1有 0没有）
m=df.query('state=="TX"')['pa_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['pa_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Did the state of Texas announce a public aid program for the disaster')
plt.figure(figsize=(20,6.5))

#佐治亚洲
#二进制标志，指示是否为此灾难宣布了“公共援助计划"（1有 0没有）
m=df.query('state=="GA"')['pa_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['pa_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Did Georgia announce a public assistance program for the disaster')
plt.figure(figsize=(20,6.5))

#德克萨斯州
#二进制标志，指示是否为此灾难宣布了“个人援助计划"（1有 0没有）
m=df.query('state=="TX"')['ia_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['ia_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Indicates whether a "personal assistance plan" has been announced for this disaster')
plt.figure(figsize=(20,6.5))

 #佐治亚州
#二进制标志，指示是否为此灾难宣布了“个人援助计划"（1有 0没有）
m=df.query('state=="GA"')['ia_program_declared'].value_counts().reset_index()
b=m['index']
c=np.array(b)
d=m['ia_program_declared']
plt.pie(d,labels=b,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点,调节距离）
plt.title('Indicates whether a "personal assistance plan" has been announced for this disaster')
plt.figure(figsize=(20,6.5))

#年份与是否执行公共援助计划情况的回归图
m=df.query('pa_program_declared==1')['fy_declared'].value_counts().reset_index()
sns.regplot(x='index',y='fy_declared', data=m.sort_values(by='fy_declared'),color='b',marker='+')
plt.title('And whether the public assistance program is implemented')

 

 

五、总结

 1、通过这次对美国自然灾害大数据分析与可视化，我了解了美国发生频率最高的自然灾害、美国每年受自然灾害影响最大的州和郡、美国每年对待自然灾害所提供的公共援助计划的实施率，并对受自然灾害影响最大的州进行了相应的分析。

2、随着对数据集的分析与可视化的渐渐深入，一些问题也体现了出来，美国每年自然灾害发生次数不断上升，这很大一部分原因来自人类活动，这应当引起人们的警觉。随着人类对自然资源的加速开采和“空洞”效应的继续扩大，人为的自然地质性灾害将越来越频繁地发生，地陷、火山爆发、地震、海啸、山体滑坡等等重大破坏性因素将危及人类的繁衍生存，为此我们应当把环境保护放在推进现代化建设过程中的关键位置，我们应该认识到：保护和改善环境也是保护和发展生产力。

3.个人收获：通过这次对数据集分析与可视化，我掌握了数据清洗的基本步骤，熟悉了直方图、散点图、回归图、饼图等常见图的画法。加深了对大数据分析与可视化的理解。