任务一
- 常见的可视化图:折线图、柱形图、扇形图。
- 折线图多用于显示随时间或有序类别而变化的趋势;柱形图通常用来观察数据的分布情况;扇形图通常用来观察各部分数量同总数之间的关系。
任务二
#泰坦尼克号男女生存人数分布可视化(柱形图)
sex = text.groupby('Sex')['Survived'].sum()
sex.plot.bar()
plt.title('survived_count')
plt.show()
图像如下图所示,图像显示女性存活总人数比男性多。如要分析男女存活占比需要考虑乘客中男女各自的人数。
任务三
#男女生存人数比例图
text.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')
plt.title('survived_count')
plt.ylabel('count')片
图像如下图所示。1(橙色) 表示生存,0(蓝色)表示死亡。可以看出女性存活比例较高。
任务四
#不同票价的人生存和死亡人数分布情况
#计算不同票价中生存与死亡人数 1表示生存,0表示死亡
fare_sur = text.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False)
fare_sur
#排序后的折线图
fig = plt.figure(figsize=(20,18))
fare_sur.plot(grid=True)
plt.legend()
plt.show()
- 排序后的折线图:
#排序前折线图
fare_sur1 = text.groupby(['Fare'])['Survived'].value_counts()
fare_sur1
fig = plt.figure(figsize=(20,18))
fare_sur1.plot(grid=True)
plt.legend()
plt.show()
排序前的折线图:
任务五
#泰坦尼克号不同仓位等级的人生存和死亡人员的分布情况
pclass_sur = text.groupby(['Pclass'])['Survived'].value_counts()
pclass_sur
import seaborn as sns
sns.countplot(x='Pclass',hue='Survived',data=text)
如下图所示:
直观感受:票价贵、仓位等级高的存活人数更多?(任务四那个图有点疑惑)
任务六
#泰坦尼克号数据集中不同年龄的人生存与死亡人数分布情况
facet = sns.FacetGrid(text,hue="Survived",aspect=3)
facet.map(sns.kdeplot,'Age',shade = True)
facet.set(xlim=(0,text['Age'].max()))
facet.add_legend()
如下图所示,直观感受:近似正态分布?
任务七
#不同仓位等级的人年龄分布情况
text.Age[text.Pclass == 1].plot(kind='kde')
text.Age[text.Pclass == 2].plot(kind='kde')
text.Age[text.Pclass == 3].plot(kind='kde')
plt.xlabel("age")
plt.legend((1,2,3),loc="best")