titanic乘客简单的数据分析(matplotlib和seaborn 的使用)

2024-06-08 13:08

本文主要是介绍titanic乘客简单的数据分析(matplotlib和seaborn 的使用),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

数据来源:

kaggle的Titanic 生存模型:titanic_train.csv。

引入的库:

import numpy as np
import pandas as pd
import sys
reload(sys)
sys.setdefaultencoding('gbk')
import matplotlib.pyplot as plt
import seaborn as sns

数据分析:

读取数据:
train_data=pd.read_csv("titanic_train.csv")
train_data['Survived'].value_counts().plot.pie(autopct = '%1.2f%%')            #绘制存活的比例
plt.show()

缺失值处理:
  1. 用众数填补Embarked(上船的地点):
    train_data.Embarked[train_data.Embarked.isnull()] = train_data.Embarked.dropna().mode().values
    
  2. 使用随机森林预测Age的缺值:
    from sklearn.ensemble import RandomForestRegressor#choose training data to predict age
    age_df = train_data[['Age','Survived','Fare', 'Parch', 'SibSp', 'Pclass']]
    age_df_notnull = age_df.loc[(train_data['Age'].notnull())]
    age_df_isnull = age_df.loc[(train_data['Age'].isnull())]
    X = age_df_notnull.values[:,1:]
    Y = age_df_notnull.values[:,0]
    # use RandomForestRegression to train data
    RFR = RandomForestRegressor(n_estimators=1000, n_jobs=-1)
    RFR.fit(X,Y)
    predictAges = RFR.predict(age_df_isnull.values[:,1:])
    train_data.loc[train_data['Age'].isnull(), ['Age']]= predictAges
    
  3. 也可以删除一些不重要的属性值.

分析数据:

  1. 性别与存活的关系:
    train_data.groupby(['Sex','Survived'])['Survived'].count()
    train_data[['Sex','Survived']].groupby(['Sex']).mean().plot.bar()
    

    男性存活率是18.9%,女性的存活率是74.2%

  2. 船舱等级和生存的关系:
    train_data.groupby(['Pclass','Survived'])['Pclass'].count()
    train_data[['Pclass','Survived']].groupby(['Pclass']).mean().plot.bar()
    

    不同等级船舱的男女生存率:
    train_data.groupby(['Pclass','Survived'])['Pclass'].count()
    train_data[['Pclass','Survived']].groupby(['Pclass']).mean().plot.bar()
    train_data[['Sex','Pclass','Survived']].groupby(['Pclass','Sex']).mean().plot.bar()
    
  3. 年龄和生存的关系:
    fig, ax = plt.subplots(1, 2, figsize = (18, 8))
    sns.violinplot("Pclass", "Age", hue="Survived", data=train_data, split=True, ax=ax[0])
    ax[0].set_title('Pclass and Age vs Survived')
    ax[0].set_yticks(range(0, 110, 10))sns.violinplot("Sex", "Age", hue="Survived", data=train_data, split=True, ax=ax[1])
    ax[1].set_title('Sex and Age vs Survived')
    ax[1].set_yticks(range(0, 110, 10))
    

    分析总体的年龄分布:
    plt.figure(figsize=(12,5))
    plt.subplot(121)
    train_data['Age'].hist(bins=70)
    plt.xlabel('Age')
    plt.ylabel('Num')plt.subplot(122)
    train_data.boxplot(column='Age', showfliers=False)

    facet=sns.FacetGrid(train_data, hue="Survived",aspect=4)
    facet.map(sns.kdeplot,'Age',shade= True)
    facet.set(xlim=(0, train_data['Age'].max()))
    facet.add_legend()
    


fig, axis1 = plt.subplots(1,1,figsize=(18,4))
train_data["Age_int"] = train_data["Age"].astype(int)
average_age = train_data[["Age_int", "Survived"]].groupby(['Age_int'],as_index=False).mean()
sns.barplot(x='Age_int', y='Survived', data=average_age)

为什么妇女儿童这类“弱者”反而更能生存?

根据泰坦尼克号唯一存活副船长查尔斯·莱特勒,事后描述,面对沉船灾难时,船长爱德华·约翰·史密斯(Edward J. Smith)在最后的时刻下命令,命令先让妇女和儿童上救生艇,许多乘客显得十分平静,一些人则拒绝与家人分开。

作为男性,明明是群体中最具有强壮的体魄,又有相对更丰富的生存经验,怎么反而在这场事故中就成了生存机率最低的?

作为男人、作为孩子的父亲、作为妻子的丈夫,肩头上扛的一边感情,另一边是责任,面对灾难是作出了何种抉择,其实不用多说,看一段回忆录:

一名叫那瓦特列的法国商人把两个孩子送上了救生艇,委托几名妇女代为照顾,自己却拒绝上船。

两个儿子得救后,世界各地的报纸纷纷登载两个孩子的照片,直到他们的母亲从照片上认出了他们。不幸的是,孩子们永远失去了父亲。

新婚燕尔的丽德帕丝同丈夫去美国度蜜月,她死死抱住丈夫不愿独自逃生。

丈夫在万般无奈中一拳将她打昏。丽德帕丝醒来时,她已在一条在海上漂浮的救生艇上了。

此后,她终生未再嫁,以此怀念亡夫。


参考链接:
https://blog.csdn.net/Koala_Tree/article/details/78725881
https://www.jianshu.com/p/9a5bce0de13f




这篇关于titanic乘客简单的数据分析(matplotlib和seaborn 的使用)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1042268

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu2289(简单二分)

虽说是简单二分,但是我还是wa死了  题意:已知圆台的体积,求高度 首先要知道圆台体积怎么求:设上下底的半径分别为r1,r2,高为h,V = PI*(r1*r1+r1*r2+r2*r2)*h/3 然后以h进行二分 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#includ

usaco 1.3 Prime Cryptarithm(简单哈希表暴搜剪枝)

思路: 1. 用一个 hash[ ] 数组存放输入的数字,令 hash[ tmp ]=1 。 2. 一个自定义函数 check( ) ,检查各位是否为输入的数字。 3. 暴搜。第一行数从 100到999,第二行数从 10到99。 4. 剪枝。 代码: /*ID: who jayLANG: C++TASK: crypt1*/#include<stdio.h>bool h

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]