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

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？

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！

---