Python——泰坦尼克号数据分析
目次1.数据集（部门数据）
✏️ 2、导入数据集与须要模块
⌨️ 3.数据预处理
1️⃣ isnull函数查看有无缺失值
2️⃣fillna函数添补缺失值
Age字段使用均匀值添补缺失值
Embarked字段添补缺失值
3️⃣ 删除缺失值较多的字段
4.数据可视化
1️⃣ distplot函数结合了直方图和核密度估计图来展示数据的分布特征
2️⃣countplot函数绘制条形图，显示分类变量的观察计数
3️⃣ boxenplot函数绘制箱线图
4️⃣ violinplot函数绘制小提琴图
5️⃣对年事举行分级，分开小孩和老人的数据
对分级后的年事举行可视化
分析乘客年事与生还乘客之间的关系
1.数据集（部门数据）
https://img-blog.csdnimg.cn/direct/ff2fd22df23148289f5e81e9c2d5c94e.png
字段名称 含义说明 Survived 乘客是否获救，Key：0=没获救，1=已获救 Pclass 乘客船舱品级（1/2/3三个品级舱位） Name 乘客姓名 Sex 性别 Age 年事 SibSp 乘客在船上的兄弟姐妹/夫妇数量 Parch 乘客在船上的父母/孩子数量 Ticket 船票号 Fare 船票价 Cabin 客舱号码 Embarked 登船的港口
✏️ 2、导入数据集与须要模块
# 1.导入必要的模块
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
%matplotlib inline
# 2.导入数据
titanic = pd.read_csv(r"C:/XXX/xxx/Documents/mycrawlers/数据分析与可视化/实验六——泰坦尼克号/titanic.csv")
# 3.查看前5行数据
titanic.head() https://img-blog.csdnimg.cn/direct/e224eab82ee141f4852fd34b50c42d93.png
⌨️ 3.数据预处理
1️⃣ isnull函数查看有无缺失值
# 查看有无缺失值
titanic.isnull().sum() 这里结合了sum方法，对字段的缺失值的个数举行求和
https://img-blog.csdnimg.cn/direct/ecb70066f11b43cca963a5e91092c964.png
从上述效果可见，Cabin（客舱号码）、Embarked（登船的港口）、Fare（船票价）、Age（年事）、Survived（乘客是否获救）字段中均有缺失值，而Cabin和Survived是必要考虑实际的环境，从而没有办法对缺失值举行添补，因此我们对Age字段按照均匀值的方式对其举行添补，作为一个参考
2️⃣fillna函数添补缺失值
fillna(value,method,axis,inplace,limit,downcast)
字段 数据范例 含义 value dict or series or dataframe 用于添补缺失值的值。如果传递的是标量，那么整个对象中的所有缺失值都会被这个标量替换。如果传递的是字典，那么字典的键应该是列名，值则是用于替换该列缺失值的值。如果传递的是 Series 或 DataFrame，则它们的索引必须和原对象的索引对齐，以便举行按位置的替换
method
str 用于添补缺失值的方法。
'backfill' 或 'bfill'：使用下一个有用值举行添补（向后添补）
'pad' 或 'ffill'：使用前一个有用值举行添补（向前添补）
None：不举行任何添补，仅返回原始对象
axis
int or str 确定沿着哪个轴举行添补。0 或 'index' 表现按行（即沿着水平轴），1 或 'columns' 表现按列（即沿着垂直轴）
inplace
bool 默以为 False，如果为 True，则直接修改原始对象而不返回新的对象
limit
int 如果 method 不是 None，则此参数用于限制连续添补的最大数量。比方，如果 limit=1，则最多只添补一个缺失值
downcast
dict or str 将可能更大的数据范例向下转换为可能更小的数据范例，以节流内存。比方，如果某个列是 float64 范例，但所有值都是整数，那么可以将其转换为 int64 范例
Age字段使用均匀值添补缺失值
# 1.求age这一列的平均值
mean = titanic['Age'].mean()
# 2.查看平均值
print(mean)
# 3.用均值进行缺失值的填充
titanic['Age'] = titanic['Age'].fillna(mean)
# 4.统计缺失值
titanic.isnull().sum() https://img-blog.csdnimg.cn/direct/6dc0e1f976a44af8b1850ae321ab48e3.png
从上图的效果可知，Age字段没有缺失值，因此缺失值添补成功，而Embarked字段也可以举行添补
Embarked字段添补缺失值
[*]使用value_counts来统计登船地点（S,C,Q）的人数
# 1.统计登船地点（S,C,Q）的人数
titanic['Embarked'].value_counts()
# 2.得到的结果为
S 914
C 270
Q 123
Name: Embarked, dtype: int64
[*]对登船地点举行缺失值的添补（添补为S）
# 1.对登船地点进行缺失值的填充（填充为S）
titanic['Embarked'] = titanic['Embarked'].fillna("S")
# 2.统计Embarked字段的缺失值
titanic['Embarked'].isnull().sum()
# 3.得到的结果为
0 3️⃣ 删除缺失值较多的字段
# 1.删除缺失值较多的字段
del titanic['Cabin']
# 2.查看数据的前五行信息
titanic.head() https://img-blog.csdnimg.cn/direct/6f8ce29797164cbdad5d2d3d1d9d1345.png
4.数据可视化
1️⃣ distplot函数结合了直方图和核密度估计图来展示数据的分布特征
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]