kaggle实战—泰坦尼克（四、数据可视化）

1. kaggle实战—泰坦尼克（一、数据分析）
2. kaggle实战—泰坦尼克（二、数据清洗及特征处理）
3. kaggle实战—泰坦尼克（三、数据重构）
4. kaggle实战—泰坦尼克（四、数据可视化）
5. kaggle实战—泰坦尼克（五、模型搭建-模型评估）

前言

相信大家都有队pandas，numpy等数据科学库有一定了解，其中不乏有很多人有专门刷过相关课程或者看多相关书籍，例如《python for data analysis》。但是在实操过程中有很多函数还是得看着官方文档来进行敲写，既费时又费力 。最近刚好datawhale发起一个相关打卡活动——实战，我就报名参加了。（ps：极力推荐这本书，大家可以去网上搜索电子版，或者也可以关注微信公众【浩波的笔记】回复data analysis来获取。）

这次实践又比较偏模型和实战（完成kaggle上泰坦尼克的任务），直接给你一个任务，让你去完成，上手难度比较大，但是它的实战性可以让你对于什么是数据挖掘，以及数据挖掘的逻辑有很好的把握。所以有没有这样一门课，以项目为主线，将知识点孕育其中，通过边学，边做以及边被引导的方式来使学习效果达到更好，学完之后既能掌握pandas等的知识点又能掌握数据分析的大致思路和流程。通过调查发现，市面上这样的目好像没有可以完全符合这样的标准（失望.jpg）。

复习：学习完第一篇博客，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二、三篇博客中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本次学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。

开始之前，导入numpy、pandas包和数据

有任何问题请先访问matplotlib官方文档http://matplotlib.org/

# 加载所需的库
# 如果出现 ModuleNotFoundError: No module named 'xxxx'
# 你只需要在终端/cmd下 pip install xxxx 即可
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入result.csv这个文件
text = pd.read_csv(r'E:/python-project/deep-learning/datawhale/kaggle/tantatic/hands-on-data-analysis-master/data/result.csv')
text.head()

如何让人一眼看懂你的数据？

任务一：跟着书本第九章，了解matplotlib，自己创建一个数 据项，对其进行基本可视化

思考：最基本的可视化图案有哪些？分别适用于那些场景？（比如折线图适合可视化某个属性值随时间变化的走势）

推荐阅读这篇文章，其中有多人回答，比较详尽。当然一定要和那本书（data for analysis）第九章敲一遍
做数据分析，通常需要用哪些图表？：https://www.zhihu.com/question/40903517

任务二：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（用柱状图试试）。

sex = text.groupby('Sex')['Survived'].sum()
sex.plot.bar()
plt.title('survived_count')
plt.show()

思考：计算出泰坦尼克号数据集中男女中死亡人数，并可视化展示？如何和男女生存人数可视化柱状图结合到一起？看到你的数据可视化，说说你的第一感受（比如：你一眼看出男生存活人数更多，那么性别可能会影响存活率）。

任务三：可视化展示泰坦尼克号数据集中男女中生存人与死亡 人数的比例图（用柱状图试试）。

# 提示：计算男女中死亡人数 1表示生存，0表示死亡
text.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')
plt.title('survived_count')
plt.ylabel('count')

任务四：可视化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。（用折线图试试）（横轴是不同票价，纵轴是 存活人数）

# 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

# 排序后绘折线图
fig = plt.figure(figsize=(20, 18))
fare_sur.plot(grid=True)
plt.legend()
plt.show()

# 排序前绘折线图
fare_sur1 = text.groupby(['Fare'])['Survived'].value_counts()
fare_sur1

fig = plt.figure(figsize=(20, 18))
fare_sur1.plot(grid=True)
plt.legend()
plt.show()

任务五：可视化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。（用柱状图试试）

# 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)

大家可以看到相对而言，三等舱死亡比率最高，而一等舱死亡比率最低

任务六：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',shade= True)
facet.set(xlim=(0, text['Age'].max()))
facet.add_legend()

任务七：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")

总结：
到这里，我们的可视化就告一段落啦，如果你对数据可视化极其感兴趣，你还可以了解一下其他可视化模块，如：pyecharts，bokeh等。