DataWhale数据分析第二章第四节：数据可视化课程

最新推荐文章于 2022-12-18 17:08:32 发布

By_Liu

最新推荐文章于 2022-12-18 17:08:32 发布

阅读量188

点赞数

分类专栏：数据分析文章标签：数据分析 python pandas

本文链接：https://blog.csdn.net/by_liu/article/details/125861366

版权

本文介绍了使用Python的Matplotlib库进行数据可视化的基础，通过泰坦尼克号数据集展示了男女生存人数的柱状图、生存与死亡比例的堆叠柱状图、不同票价与存活人数的折线图、仓位等级与生存死亡人数的分布，以及年龄与存活率的关系。观察到高仓位等级乘客的存活率更高，男性和女性的生存人数存在明显差异，年龄和票价等因素对生存率有显著影响。

摘要由CSDN通过智能技术生成

**复习：**回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。

2 第二章：数据可视化

开始之前，导入numpy、pandas以及matplotlib包和数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df= pd.read_csv('result.csv')

df.head(2)

	Unnamed: 0	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C

2.7 如何让人一眼看懂你的数据？

《Python for Data Analysis》第九章

2.7.1 任务一：跟着书本第九章，了解matplotlib，自己创建一个数据项，对其进行基本可视化

【思考】最基本的可视化图案有哪些？分别适用于那些场景？（比如折线图适合可视化某个属性值随时间变化的走势）

#思考回答
#这一部分需要了解可视化图案的的逻辑，知道什么样的图案可以表达什么样的信号b

2.7.2 任务二：可视化展示泰坦尼克号数据集中男女中生存人数分布情况（用柱状图试试）。

df['Survived'].groupby(df['Sex']).sum().plot

最低0.47元/天解锁文章