Datawhale数据分析教程笔记04

数据可视化

tips:在jupyter notebook上使用matplotlib绘图，可以加上一行%matplotlib inline生成无交互的可视化图表 或 使用%matplotlib notebook形成交互式的图表

最基本的可视化图案有哪些？分别适用于那些场景？

$折线图$ 适合可视化某个属性值随时间变化的走势
$散点图$ 适合可视化因变量随自变量而变化的大致趋势
$柱状图$ 适合可视化不同状态下某一属性的数量大小
$直方图$ 适合可视化数据的出现频率分布
$扇形图$ 适合可视化部分与部分、部分与整体之间的数量关系

利用plot()方法进行绘图

sex = df.groupby(['Sex','Survived'])['Survived'].count().unstack()
sex.plot(kind='bar',stacked=True)

其中kind参数选择图表类型，stacked参数设置为True可以堆叠同类数据如下图

对课程中数据可视化可以发现

①舱位等级低的存活人数和舱位等级高的存活人数差不多，但死亡人数多得多，因此存活率很低。
②一等舱存活率大于死亡率，二等舱存活率和死亡率基本持平，三等舱死亡率远高于生存率。
③票价越低的存活人数越多，这是由于票价低的乘客基数大
④存活的人中，10岁以下的儿童存活率最高。