马里兰州蒙哥马利县出版所有交通违规自2013年以来，现在总共发生了780,000起事件。除了违规的位置和详细信息外，该表还包含有关车辆的信息，例如品牌，型号，年份和颜色。我想在这里探索汽车的颜色。
即使违规行为可以追溯到2013年，但汽车的模型年份可以追溯到更远的年份。很难说它距现在有多远，因为今年的数据有点混乱。显然有些年份（0和9999）缺失或编码错误（95和1013），而另一些年份则至少有问题（1930）。我想看看一段时间内的趋势，所以无论如何我都会忽略低数据年份。
另一方面，颜色数据看起来非常干净。没有拼写错误或奇怪的颜色。由于所有观察者对蓝色与深蓝色或棕褐色与乳白色之类的事物可能没有相同的解释，因此仍然可能存在质量问题。这是所有引用的颜色。
为了查看一段时间内的颜色趋势，我总结了按年份和颜色计数的汇总表。然后我删除了非常稀疏的年份，保留了1970年至2016年。这是所有这些数据的面积图。
它已初具规模，但存在一些主要缺陷：
早期数据仍然过于嘈杂，无法代表趋势。令人困惑的是，区域的颜色与颜色名称不匹配，从而导致斯特劳效应在传说中。颜色应具有含义顺序，至少将类似的颜色分组在一起。要解决这些问题：
我筛选了从1985年开始的数据。我使用了Recode来标准化颜色名称以匹配 HTML颜色名称 。然后，我使用这些RGB值创建“值颜色”列属性。我制作了“价值订单”列属性来自定义订单。
好多了，我们甚至不再需要图例。
尽管堆积面积图通常可以掩盖内部区域的趋势（那些没有直线基线的区域），但它的确可以使人们很好地看到大趋势。我们可以看到，随着时间的流逝，汽车的“彩色”变得越来越少，白色，黑色和灰色阴影通常会增加。我们可以看到绿色发生了最戏剧性的变化。在1990年代，它是最受欢迎的颜色。但是之前和之后，这是最不常见的一种。那是深绿色的时尚吗？还是1990年代的绿色汽车比其他颜色的汽车表现更好？
我将绿色置于中间，这样其他颜色和最近的笔直边缘（顶部或底部）之间就不会出现凸起。本着“少即是多”的精神，我们可以将一些相似的颜色组合在一起。
现在我们有减细节但是更多有关总体趋势的可访问信息。
将堆叠区域与重叠线进行比较很有趣。
虚线是白色的。我们可以更好地看到单个趋势，但是我们已经失去了从整体到整体的内涵，也失去了在精神上组合相邻颜色（例如灰色阴影）的能力。
值得提醒自己我们正在看什么。我们并不是在随机抽取所有售出汽车，甚至是路上所有汽车的样本。几年来，我们只关注一个县涉及交通违规的汽车。有些汽车肯定会多次代表。
我无法确定这是数据科学的巨大弱点还是巨大的优势：我们将分析拥有的数据而不是所需的数据。当我们盲目外推时，这是一个弱点，但是当我们能够充分刻画未知数以从已知数中提取一些信息时，这是一种优势。
对于此数据，两个主要未知数是汽车颜色的区域差异以及汽车颜色与发生交通违法行为之间的相关性（是否必要）。如果我们可以在一年内消除这些因素，那么我们可以对归纳有更大的信心。
杜邦发布了一项关于汽车颜色流行度的调查，尽管我只能找到一些数据一览 。从中我们可以看到，世界各地的颜色偏好有所不同，因此，我仅将马里兰州的交通违规数据与北美颜色销售进行比较。
这是一张斜率图，将我们数据中的百分比与调查结果进行了比较，再次使用白色虚线。
看起来白色，红色和棕色汽车的出现频率低于交通违规数据中的预期。我们可以通过使用测试概率 JMP分发平台中的命令。这样做的p值实际上为0，因为我们看到自2009年以来我们的32,000辆汽车中的这一百分比有所不同。从正面看，每个样本中至少其他颜色具有相同的等级顺序，因此差异可能是次要因素。
因此，由于最可能的差异解释与时间无关，我仍然希望以上图表中显示的大致时间趋势有意义。
关于为什么白色，红色和棕色汽车在交通违章事件中的出现要比杜邦调查少得多的理论？
商务车写道：
嗨an
这篇文章中非常有趣的统计信息。我一直认为红色汽车被拉得最多。我不知道黑色，银色和白色的汽车是否被拉得最多，仅仅是因为路上有更多的汽车。
谢谢你的数据
丹尼斯
