基于泰坦尼克号生还遇难案例进行的数据探索和分析

最新推荐文章于 2023-09-27 23:25:21 发布

LiuDi1999

最新推荐文章于 2023-09-27 23:25:21 发布

阅读量1.4k

点赞数 2

分类专栏：推荐系统

本文链接：https://blog.csdn.net/qq_41520877/article/details/107849138

版权

本文通过对泰坦尼克号数据的探索，分析了生还率、客舱等级、年龄和性别等因素，揭示了相关特征与生存概率的关系。通过频数统计、描述性统计和多变量相关性分析，提供了深入的洞察。

摘要由CSDN通过智能技术生成

以泰坦尼克号为例：

#解决中文乱码问题
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False

import matplotlib.pyplot as plt

一加载训练数据

titanic_df =pd.read_csv("data/train.csv")

titanic_df.head()

在这里插入图片描述
训练数据及特征说明
PassengerId：乘客 ID
Survived：是否生存
Pclass：客舱等级
Name：乘客姓名
Sex：性别
Age：年龄
SibSp：在船兄弟姐妹数/配偶数
Parch：在船父母数/子女数
Ticket：船票编号
Fare：船票价格
Cabin：客舱号
Embarked：登船港口

与目标变量无关的特征变量：
PassengerId：乘客 ID
Name：乘客姓名
Ticket：船票编号

#查看数据集的基本信息
titanic_df.info()

在这里插入图片描述

#删除与目标变量无关的特征
titanic_df = titanic_df.drop(["PassengerId","Name","Ticket"],axis=1) #axis=1代表删除列数据

titanic_df.head()

在这里插入图片描述
二频数统计分析

生还遇难频数分析以及图表展示

Survived_freq = titanic_df.Survived.value_counts()
Survived_freq

在这里插入图片描述

# 生成条图和饼图 
 
plt.figure(figsize = (12,5)) 
plt.subplot(121)
Survived_freq.plot(kind="bar")
plt.title("生还遇难频数分布")
plt.subplot(122)

#第一种方法
slices = Survived_freq.values
activities = ["death","Survived"]
cols