动手学数据分析 Task04--数据可视化

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")