2.7.1导入需要的包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
2.7.2导入文件并查看
text = pd.read_csv(r'result.csv')
text.head()
2.7.3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(柱状图)
sex = text.groupby('Sex')['Survived'].sum()
sex.plot.bar()
plt.title('survived_count')
plt.show()
s = df.value_counts('Sex') # 显示总的男生和女生人数
s.plot.bar()
plt.title('humman counts')
plt.show()
# 显示男女死亡人数
s = df.value_counts('Sex')
die_man = s[0]-sex[1]
die_women = s[1]=sex[0]
x = ['die_man','die_women']
plt.bar(x,[die_man,die_women],color='y')
plt.grid(True,linestyle=':',color='r',alpha=0.6)
for a,b in zip(x,[die_man,die_women]):
plt.text(a,b,b,ha='center',va='bottom')
plt.show()
【将男女生存人数可视化柱状图结合到一起】
df.groupby(['Sex', 'Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')
plt.title('survived_count')
plt.ylabel('count')
plt.show()
使用groupby分成四类数据男活,男死,女活,女死,然后再根据Survived分为两类用于画图。
2.7.4展示泰坦尼克号数据集中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
fig = plt.figure(figsize=(20, 18))
fare_sur1.plot(grid=True)
plt.legend()
plt.show()
2.7.5 展示泰坦尼克号数据集中不同仓位等级的人生存和死亡人员的分布情况
# 1表示生存,0表示死亡
pclass_sur = text.groupby(['Pclass'])['Survived'].value_counts()
pclass_sur
import seaborn as sns
sns.countplot(x="Pclass", hue="Survived", data=text)
2.7.6 可视化展示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',fill= True) # fill 图像是否填充颜色
facet.set(xlim=(0, text['Age'].max()))
facet.add_legend() # 显示图的标签
2.7.7 可视化展示泰坦尼克号数据集中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")
资料来源:DataWhale