Python實戰—鐵達尼號生還者數據分析

然而不幸的是本節使用seaborn自帶的鐵達尼號生還乘客的數據集，其中各字節所代表的含義如下：survived alive乘客生還情況、pclass class船艙等級、sex who乘客性別、age 乘客年齡、sibsp parch是否帶有家屬，統一用alone欄位代表是否有家屬、fare船票價格、embarked和embark_town上船地點。

import numpy as np import pandas as pdimport seaborn as snsimport matplotlib.pyplot as plt%matplotlib inline
titanic = sns.load_dataset("titanic")titanic.head() 
titanic.isnull().sum() #查看是否具有缺失值
sns.set(style="darkgrid", palette="muted", color_codes=True)    sns.distplot(titanic[titanic['age'].notnull()]['age']) #distplot函數查看乘客的年齡分布
對年齡的缺失值處理，並且用distplot函數查看乘客的年齡分布，發現年齡呈正態分布。
titanic['age'] = titanic['age'].fillna(titanic['age'].mean())sns.distplot(titanic['age'])
年齡呈正態分布，用年齡的均值進行缺失值的填充，再對年齡分布可視化。
sns.countplot(x="embarked",data=titanic) 
titanic['embarked'] = titanic['embarked'].fillna('S')titanic.isnull().sum()
titanic = titanic.drop(['survived','pclass','sibsp','parch','who','adult_male','deck','embark_town'],axis=1)titanic.head() 
sns.countplot(x="sex",data=titanic)
sns.boxplot(x='sex',y='age',data=titanic)
由上圖可看出，男性與女性的年齡分布很相近，但女性乘客的年齡跨度更大一點。
sns.countplot(x="class",data=titanic)
sns.violinplot(x="class", y="age", data=titanic)
結合船艙等級，繪製乘客年齡分布箱線圖，頭等艙的年齡跨度較大，第三級船艙的中年人分布最多。
sns.countplot(x="alone",data=titanic)
sns.countplot(x="alive",data=titanic)
sns.countplot(x='alive',hue='sex',data=titanic)
hue='sex'添加性別變量，生還中女性佔大多數。
g = sns.FacetGrid(titanic, col='sex') g.map(sns.countplot, 'alive') 
def agelevel(age):       if age <= 16:       return 'child'   elif age >= 60:       return 'aged'   else:       return 'midlife'   titanic['age_level'] = titanic['age'].map(agelevel) 
sns.countplot(x='age_level',data=titanic)
分級年齡可視化，成年人乘客數量佔比很大，小孩和年長者佔比很小。
sns.countplot(x='alive',hue='age_level',data=titanic)
乘客年齡與生還關係，乘客年齡與生還乘客之間的關係並不明顯，小孩的生還機率比較大，老人卻相對較小。
g = sns.FacetGrid(titanic, col='class', row='alone') g.map(sns.countplot, 'alive')
乘客艙位等級越高，生還的可能性越大，單獨的乘客生還的機率也更大一些。只能一個人過了
好在還有廣大的粉絲