Python数据分析可视化--Titanic

Python数据分析可视化–Titanic

这篇文章主要介绍泰坦尼克幸存者问题的数据处理以及可视乎部分，关于机器学习部分: 机器学习2：KNN决策树探究泰坦尼克号幸存者问题

文章目录

Python数据分析可视化--Titanic
导入数据
数据探索
- 判断是否存在缺失值
- 关系探索
  - 仓位和存活率关系
  - 性别和存活率关系
  - 兄弟姐妹和孩子对于存活关系
  - 数据可视化分析
- 数据预处理

代码语言：javascript复制

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.pylab import style
style.use('ggplot')
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC,LinearSVC
import warnings
warnings.filterwarnings("ignore")

导入数据

代码语言：javascript复制

df = pd.read_csv('train.csv',index_col=None)
test_df = pd.read_csv('test.csv')

数据探索

判断是否存在缺失值

代码语言：javascript复制

np.any(pd.isnull(df))

代码语言：javascript复制

True

代码语言：javascript复制

np.any(df["Embarked"].isnull())

代码语言：javascript复制

True

代码语言：javascript复制

df.describe()

	PassengerId	Survived	Pclass	Age	SibSp	Parch	Fare
count	891.000000	891.000000	891.000000	714.000000	891.000000	891.000000	891.000000
mean	446.000000	0.383838	2.308642	29.699118	0.523008	0.381594	32.204208
std	257.353842	0.486592	0.836071	14.526497	1.102743	0.806057	49.693429
min	1.000000	0.000000	1.000000	0.420000	0.000000	0.000000	0.000000
25%	223.500000	0.000000	2.000000	20.125000	0.000000	0.000000	7.910400
50%	446.000000	0.000000	3.000000	28.000000	0.000000	0.000000	14.454200
75%	668.500000	1.000000	3.000000	38.000000	1.000000	0.000000	31.000000
max	891.000000	1.000000	3.000000	80.000000	8.000000	6.000000	512.329200

关系探索

仓位和存活率关系

代码语言：javascript复制

df[['Pclass','Survived']].groupby(by=["Pclass"]).mean().sort_values(by="Survived",ascending=False)

	Survived
Pclass
1	0.629630
2	0.472826
3	0.242363

从表可知，仓位高低与存活率存在一定的关系

性别和存活率关系

代码语言：javascript复制

df['Sex'].value_counts()

代码语言：javascript复制

male      577
female    314
Name: Sex, dtype: int64

代码语言：javascript复制

df[['Sex','Survived']].groupby(by=["Sex"]).mean().sort_values(by="Survived",ascending=False)

	Survived
Sex
female	0.742038
male	0.188908

从表可知，女性的存活率明显高于男性，性别与存活率存在一定的关系

兄弟姐妹和孩子对于存活关系

代码语言：javascript复制

df[['SibSp','Survived']].groupby(by=["SibSp"]).mean().sort_index(ascending=False)

	Survived
SibSp
8	0.000000
5	0.000000
4	0.166667
3	0.250000
2	0.464286
1	0.535885
0	0.345395

代码语言：javascript复制

df[['Parch','Survived']].groupby(by=["Parch"]).mean().sort_index(ascending=False)

	Survived
Parch
6	0.000000
5	0.200000
4	0.000000
3	0.600000
2	0.500000
1	0.550847
0	0.343658

兄弟姐妹和孩子对于存活关系不大

数据可视化分析

年龄和存活率关系

代码语言：javascript复制

g1 = sns.FacetGrid(df,col="Survived")
g1.map(plt.hist,"Age",bins=20)
plt.show()

船票等级和存活率关系

代码语言：javascript复制

g2 = sns.FacetGrid(df,col="Survived",row="Pclass")
g2.map(plt.hist,"Age")
plt.show()

可以看到,船票等级和存活率存在关系

复合关系

代码语言：javascript复制

g3 = sns.FacetGrid(df,row="Embarked",height=3,aspect=1.6)
g3.map(sns.pointplot,"Pclass",'Survived','Sex',palette="deep",hue_order=["female","male"])
g3.add_legend()
plt.show()

代码语言：javascript复制

g4 = sns.FacetGrid(df,row="Embarked",col="Survived",height=3,aspect=1.6)
g4.map(sns.barplot,'Sex','Fare',palette="deep",hue_order=["female","male"])
g4.add_legend()
plt.show()

票价和存活率存在关系，登船口和存活率也存在关系

数据预处理

对于甲板层的分布对与于获救的分析，过于复杂，这里就不探究了

代码语言：javascript复制

df = df.drop(["Ticket","Cabin"],axis=1)

缺失值填充

代码语言：javascript复制

df['Age'].fillna(method="pad",inplace=True)
df["Embarked"].fillna(method="pad",inplace=True)

分类数据转化

代码语言：javascript复制

df["Embarked"]

代码语言：javascript复制

0      S
1      C
2      S
3      S
4      S
      ..
886    S
887    S
888    S
889    C
890    Q
Name: Embarked, Length: 891, dtype: object

代码语言：javascript复制

"""性别转换"""
df["Sex"] = df["Sex"].map({"female":1,"male":0}).astype(int)
#df.loc[df['Sex'] == 'male', 'Sex'] = 1       # 用数值1来代替male，用0来代替female
#df.loc[df['Sex'] == 'female', 'Sex'] = 0
"""登船口转换"""
df["Embarked"] = df["Embarked"].map({"S":0,"C":1,"Q":2}).astype(int)

数据可视化 python 数据分析

0 人点赞