python数据科学实战_Python数据科学实战第三讲作业HW4

先完成作业，再看老师解答，若有不同的地方或出错之处再来修改。

作业要求：

使用auto_ins作如下分析

1、首先对loss重新编码为1/0，有数值为1，命名为loss_flag

2、对loss_flag分布情况进行描述分析

3、分析是否出险和年龄、驾龄、性别、婚姻状态等变量之间的关系(提示:使用分类盒须图,堆叠柱形图)

在spyder中完成第三讲作业HW4：

# In[1]:

#导入模块

from stack2dim import *

####################################################################

# # 1.首先对loss重新编码为1/0，有数值为1，命名为loss_flag

auto_ins['loss_flag'] = auto_ins['Loss'].apply(lambda x: 0 if x==0 else 1)

print(auto_ins,'\n')

# In[2]:

####################################################################

# # 2.对loss_flag分布情况进行描述分析

import matplotlib.pyplot as plt

auto_ins['loss_flag'].value_counts().plot(kind = 'bar')

plt.title('loss_flag的分布')

plt.ylabel('频数')

plt.xlabel('loss_flag')

plt.show()

# In[3]:

###################################################################

# # 3.分析是否出险和年龄、驾龄、性别、婚姻状态等变量之间的关系

#     (提示:使用分类盒须图,堆叠柱形图)

# # 3.1 是否出险与年龄的关系

#--------------------------------------错误绘图方式---------------------------------------------

auto_ins.groupby('loss_flag').Age.mean().plot(kind = 'bar')

plt.title('Age vs loss_flag')

plt.ylabel('Age')

plt.xlabel('loss_flag')

plt.show()

'''

据图可看出，出险与年龄无关

'''

# In[4]:

# # 3.2 是否出险与驾龄的关系

auto_ins.groupby('loss_flag').vAge.mean().plot(kind = 'bar')

plt.title('vAge vs loss_flag')

plt.ylabel('vAge')

plt.xlabel('loss_flag')

plt.show()

'''

据图可看出，出险与驾龄有关

'''

#-------------------------------------------------------------------------------------------------

#%%

#------------------------------------------ 正确解答 --------------------------------------------

'''

老师讲解后修改

'''

'''

年龄Age和驾龄exp为连续变量，loss_flag为分类变量，

分类变量与连续变量的描述统计关系图用分类盒须图

'''

fig = plt.figure()

ax1 = fig.add_subplot(1,2,1)

ax2 = fig.add_subplot(1,2,2)

#是否出险与年龄

import seaborn

seaborn.boxplot(x='loss_flag',y='Age',data=auto_ins,ax=ax1)

#是否出险与驾龄

seaborn.boxplot(x='loss_flag',y='exp',data=auto_ins,ax=ax2)

'''

据分类盒须图可看出，年龄中位数几乎相等，驾龄中位数相差明显

所以，出险与年龄无关，和驾龄有关

'''

#------------------------------------------------------------------------------------------------

# In[5]:

# # 3.3 是否出险与性别的关系

stack2dim(auto_ins, 'loss_flag','Gender')

'''

据图可看出，出险与性别有关

'''

# In[6]:

# # 3.4 是否出险与婚姻状态的关系

stack2dim(auto_ins,'Marital','loss_flag')

'''

据图可看出，出险与婚姻状态有关

'''

# In[7]:

# # 3.5 是否出险与汽车出产国的关系

stack2dim(auto_ins, 'loss_flag', 'import')

'''

据图可看出，出险与汽车出产国无关

'''

#%%

###################################################################

'''

根据上面的分析，可得出：出险与驾龄、性别、婚姻状态有关

'''