总第53篇
代码区域
import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline#为能够jupyter在线使用matplotlib
df=pd.read_csv('C:\\Users\\dell\\Desktop\\titanic_data.csv')
df.head(5)#先显示出前5行,观察有哪些数据
数据概况:
PassengerId:乘客序号;
Survived:最终是否存活(1表示存活,0表示未存活);
Pclass:舱位,1是头等舱,3是最低等;
Name:乘客姓名;
Sex:性别;
Age:年龄;
SibSp:一同上船的兄弟姐妹或配偶;
Parch:一同上船的父母或子女;
Ticket:船票信息;
Fare:乘客票价,决定了Pclass的等级;
Cabin:客舱编号,不同的编号对应不同的位置;
Embarked:上船地点,主要是S(南安普顿)、C(瑟堡)、Q(皇后镇)。
欲想探讨的问题:
存活率与哪些因素有关? 猜想影响因素有:Pclass、Sex、Age、SibSp、Parch、Ticket、Cabin、Embarked。
01|泰坦尼克号整体情况:
通过下面代码可以看出泰坦尼克号整体的幸存率约为39%。
代码区域
survived_rate=float(df['Survived'].sum())/df['Survived'].count()#加float是为了让小数结果显示出来
survived_rate
out:0.38383838
02|幸存率与Pclass的关系:
可以看出两者有强烈的相关关系,Pclass等级越高(1最高),幸存率越高。
代码区域
Pclass_survived_rate=(df.groupby(['Pclass']).sum()/df.groupby(['Pclass']).count())['Survived']
Pclass_survived_rate.plot(kind='bar')#kind='bar'表示垂直柱状图、kind=‘barh’表示水平柱状图
03|幸存率与Sex的关系:
female的幸存率是male的3倍还要多。
代码区域
Sex_survived_rate=(df.groupby(['Sex']).sum()/df.groupby(['Sex']).count())['Survived']
Sex_survived_rate.plot(kind='bar')
04|幸存率与Age的关系:
通过折线图看出幸存率与Age没有明确的关系。0-10岁的幸存率要明显高于其他年龄段。
代码区域
Sex_survived_rate=(df.groupby(['Age']).sum()/df.groupby(['Age']).count())['Survived']
Sex_survived_rate.plot()
代码区域
age_train_p=df[~np.isnan(df['Age'])] #去除年龄数据中的NaN
ages=np.arange(0,80,10) #0~80岁,每10岁一段(年龄最大80岁)
age_cut=pd.cut(age_train_p.Age,ages)
age_cut_grouped=age_train_p.groupby(age_cut)
age_Survival_Rate=(age_cut_grouped.sum()/age_cut_grouped.count())['Survived'] #计算每年龄段的幸存率
age_Survival_Rate.plot(kind='bar')
05|幸存率与SibSp&Parch的关系:
通过柱状图可以看出,当同行1-2个亲人朋友时的幸存率更高。(这里将SibSp与Parch统一处理)
代码区域
SibSp_Parch_survived_rate=((df.groupby(['SibSp']).sum()+df.groupby(['Parch']).sum())\
/(df.groupby(['SibSp']).count()+df.groupby(['Parch']).count()))['Survived']
SibSp_Parch_survived_rate.plot(kind='bar')
06|幸存率与Cabin的关系:
根据折线图看出没有明确的相关关系,再加上缺失数据过多687/891,所以幸存率对Cabin可以暂且不计入考虑。
代码区域
max_survived_rate=(df.groupby(['Cabin']).sum()/df.groupby(['Cabin']).count())['Survived']
max_survived_rate.plot()
print df['Cabin'].count()#除缺失值以外的数据个数
df['Cabin'].fillna(0).count()#所有数据个数
07|幸存率与Embarked的关系:
通过柱形图可以看出C、Q、S三地的幸存率依次下降。
代码区域
max_survived_rate=(df.groupby(['Embarked']).sum()/df.groupby(['Embarked']).count())['Survived']
max_survived_rate.plot(kind='bar')
综上所述:
1、泰坦尼克号整体的幸存率约为39%。
2、存活率与Pclass的关系:Pclass等级越高(1最高),存活率越高。多挣钱,坐头等舱可以提高幸存率。
3、存活率与Sex的关系:female的存活率是male的3倍还要多。女性的天生优势。
4、存活率与Age的关系:没有明确的关系,0-10岁的存活率明显高于其他年龄段。
5、存活率与SibSp&Parch的关系:当同行1-2个亲人朋友时的存活率更高。出去玩耍结1-2个伴可以提高幸存率。
6、存活率与Cabin的关系:没有明确的相关关系,再加上缺失数据过多687/891,所以存活率对Cabin可以暂且不计入考虑。
7、存活率与Embarked的关系:C、Q、S三地的存活率依次下降,不过应该和登陆地本身是没啥关系的,登陆地可能最终体现在性别、舱位等级等方面。