新手数据分析项目（一）—Titanic

Titanic数据集是kaggle中的一份经典数据集，之所以把它作为实践项目1，是因为它非常适合作为数据分析入门的练习数据，同时，作为经典数据集，网上也有许多对此进行分析的案例。

由于是新手数据（再加上博主也是新手），博主只对Titanic数据进行探索性分析，如果有小伙伴们向学习预测性分析（即数据挖掘），可以移步kaggle了解其他人的代码。

1.首先进入kaggle Titanic dataset | Kaggle下载数据集Tested.csv。

2.打开jupter，开始编写代码

#导入分析需要用到的包
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

#导入数据
passengers = pd.read_csv("E:/Kaggle/tested.csv") 

到这里就已经成功的导入了数据，那么拿到一份数据后，我们应该怎样去进行一个开始呢？

passengers.head() #查看前五行数据

Survived=1表示存活；Pclass代表船票等级；Cabin是所登录的救生艇编号；Embarked代表是从哪个港口登上的船

passengers.nunique() #查看不同值的个数（不包含null）

当我们对这份数据有了一个大概的了解后，就可以开始我们的分析了

passengers[passengers['Survived']==1][0:5] #查看前五行存活的人

了解一下keys,values，更好的理解后面的图表参数

survived = passengers[passengers['Survived']==1]
survived['Pclass'].value_counts().keys()

survived['Pclass'].value_counts().values

plt.figure(figsize=(7,7)) #设置幕布
plt.xlabel('Passenger Class') #x轴标签
plt.ylabel('There many Passengers Survived') #y轴标签
plt.yticks() #y轴坐标刻度
plt.grid() #添加网格线
plt.title('Class of Passengers survived')
#bar(x,y)柱形图
plt.bar(survived['Pclass'].value_counts().keys(),survived['Pclass'].value_counts().values, color=['red','green','yellow'])
plt.show()

passengers[['Name','Age']]

(passengers['Age'] < 18).sum()
41
passengers[passengers['PassengerId'] == 940]

#分组
bins = [-np.inf,17,39,59,np.inf]
labels = ['Children','Youth','MiddleAged','SeniorCitizens']
passengers['AgeGrp'] = pd.cut(passengers['Age'], bins=bins, labels = labels)

passengers['AgeGrp'].value_counts().keys()

passengers['AgeGrp'].value_counts().values

plt.figure(figsize=(7,7))
plt.xlabel('Age Groups')
plt.ylabel('Passengers')
plt.yticks()
plt.grid()
plt.title('Passengers & their Age Groups')
plt.bar(passengers['AgeGrp'].value_counts().keys(),passengers['AgeGrp'].value_counts(),color=['purple','blue','orange','magenta'])
plt.show()

plt.figure(figsize=(7,7))
plt.xlabel('Age Groups')
plt.ylabel('Survived Passengers')
plt.yticks()
plt.grid()
plt.title('Survived Passenger & their Age Groups')
plt.bar(survived['AgeGrp'].value_counts().keys(),survived['AgeGrp'].value_counts(),color=['purple','blue','orange','magenta'])
plt.show()

dead = passengers[passengers['Survived'] == 0]
bins = [-np.inf,17,39,59,np.inf]
labels = ['Children','Youth','MiddleAged','SeniorCitizens']
dead['AgeGrp'] = pd.cut(dead['Age'], bins = bins, labels=labels)

plt.figure(figsize=(7,7))
plt.xlabel('Age Groups')
plt.ylabel('Dead Passengers')
plt.yticks()
plt.grid()
plt.title('Dead Passenger & their Age Groups')
plt.bar(dead['AgeGrp'].value_counts().keys(), dead['AgeGrp'].value_counts(),color=['red','blue','magenta','green'])
plt.show()

已经绘画完几幅柱状图的你，相信已经学习到柱状图是怎样画的了吧，下面我们加大难度，新学习一个函数——subplot()，如果画完下面两幅图还不够了解的小伙伴们可以去网上搜一下subplot的用法。

plt.figure(figsize=(10,8))
plt.grid()

plt.subplot(1,2,1) #创建子图
plt.xlabel('Age Groups')
plt.ylabel('Survived Passengers')
plt.title('Survived Passengers & their Age Groups')
plt.bar(survived['AgeGrp'].value_counts().keys(), survived['AgeGrp'].value_counts(),color=['purple','blue','orange','magenta'])

plt.subplot(1,2,2)
plt.xlabel('Age Groups')
plt.ylabel('Dead Passengers')
plt.title('Dead Passengers & their Age Groups')
plt.bar(dead['AgeGrp'].value_counts().keys(),dead['AgeGrp'].value_counts(),color=['red','blue','magenta','green'])
plt.show()

plt.figure(figsize=(10,10))
plt.grid()

plt.subplot(2,1,1)
plt.xlabel('Age Groups')
plt.ylabel('Survived Passengers')
plt.title('Survived Passengers & their Age Groups')
plt.bar(survived['AgeGrp'].value_counts().keys(), survived['AgeGrp'].value_counts(), color=['purple','blue','orange','magenta'])

plt.subplot(2,1,2)
plt.xlabel('Age Groups')
plt.ylabel('Dead  Passengers')
plt.title('Dead Passengers & their Age Groups')
plt.bar(dead['AgeGrp'].value_counts().keys(),dead['AgeGrp'].value_counts(),color=['red','blue','magenta','green'])
plt.show()

柱状图的绘画我们就告一段落了，下面我们来学习折线图吧。但在此之前，我们不妨换一换绘图风格

#查看绘图风格
print(plt.style.available)

plt.style.use("Solarize_Light2")#切换绘图风格
plt.figure(figsize=(6,6))
plt.plot(survived['AgeGrp'].value_counts().keys(),survived['AgeGrp'].value_counts(), label="Survived",linewidth=4)
plt.plot(dead['AgeGrp'].value_counts().keys(),dead['AgeGrp'].value_counts(),label="Dead",linewidth=10)

plt.xlabel('Age Groups')
plt.ylabel('Dead & Survived Passengers')
plt.title("Dead & Survived Passengers & their Age Groups", pad=15)
plt.legend()
plt.show()

怎么样，绘画完折线图再结合前面所画的柱状图，是不是有那么一点感觉了呢？

passengers.head(5)

passengers[['Name','Cabin']]

plt.figure(figsize=(6,6))
plt.title('Passenger and their Towns')
plt.pie(passengers['Embarked'].value_counts(),labels=['Southampton','Cherbourg','Queemstown'], autopct='%1.02f%%',colors=['blue','yellow','green'])
plt.show()

passengers[passengers['Embarked']=='S']

dead[dead['Embarked']=='S']

plt.figure(figsize=(6,6))
plt.title('Dead Passenger and their Towns')
explode = (0, 0.1, 0)

plt.pie(dead['Embarked'].value_counts(), labels=['Southampton','Cherbourg','Queenstown'],autopct='%1.02f%%',colors=['pink','red','yellow'],explode=explode,shadow=True,startangle=90,labeldistance=0.6,pctdistance=0.9)
plt.show()

plt.figure(figsize=(3,3))
plt.title('Survived Passengers and their Towns')
explode = (0, 0.1, 0)

plt.pie(survived['Embarked'].value_counts(),labels=['Southampton','Cherbourg','Queenstown'],autopct='%1.02f%%', colors=['orange','green','magenta'],wedgeprops={'width':0.6},explode=explode,shadow=True)
plt.show()

plt.figure(figsize=(5,5))

plt.pie(dead['Embarked'].value_counts(),
       radius = 1,
       colors = ['blue', 'yellow', 'red'],
       labels = ['Southampton','Cherbourg','Queenstown'],
       textprops = {'color':'black'},
       startangle = 90,
       wedgeprops = dict(width = 0.6, edgecolor = 'w'),
       autopct = '%1.02f%%',
       labeldistance = 0.4,
       shadow = True)
plt.pie(survived['Embarked'].value_counts(),
       radius = 1.5,
       colors = ['green','maroon', 'purple'],
       textprops = {'color':'white'},
       startangle = 90,
       wedgeprops = dict(width=0.6,edgecolor='w'),
       labels = ['Southampton','Cherbourg','Queenstown'],
       shadow = True,labeldistance = 0.7,
       autopct = '%1.02f%%',
       pctdistance = 1)
plt.show()

plt.figure(figsize=(6,6))
plt.hist(passengers['Fare'],color = 'maroon',)
plt.show()

分析到这里就结束了，不得不说对Titanic数据集进行探索性分析实在不能分析出什么结论来，它更适合用来作预测性分析，但是作为新手练习数据，确确确确实好用，对于我们这样的新手来说，掌握python编写代码的能力更为重要，若是不会利用python进行数据分析，那你脑子里的各种分析思路或者想法，都不能呈现出来，可以说这是我们最重要的基础。

因为面向新手的原因，博主的代码写的非常细，并且很多不必要的参数博主也添加了上去，导致图的配色、风格等因素有点过于辣眼，有兴趣的小伙伴们可以尝试着做一下美化，例如去除网格线、修改配色、风格等等。

最后，一定要亲自写一遍代码，掌握柱状图、折线图、饼图的绘制方法。