數(shù)據(jù)可視化
1準(zhǔn)備工作
（1）開始之前拨匆，導(dǎo)入numpy帽哑、pandas包和數(shù)據(jù)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
(2)導(dǎo)入result.csv這個(gè)文件
text = pd.read_csv(r'result.csv')
text.head()
image.png
2 如何讓人一眼看懂你的數(shù)據(jù)供置？
(1）可視化展示泰坦尼克號數(shù)據(jù)集中男女中生存人數(shù)分布情況（用柱狀圖試試）
sex = text.groupby('Sex')['Survived'].sum()
sex.plot.bar()
plt.title('survived_count')
plt.show()
image.png
(3)可視化展示泰坦尼克號數(shù)據(jù)集中男女中生存人與死亡人數(shù)的比例圖（用柱狀圖試試）柳爽。
# 提示：計(jì)算男女中死亡人數(shù) 1表示生存进鸠，0表示死亡
text.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')
plt.title('survived_count')
plt.ylabel('count')
image.png
（4)：可視化展示泰坦尼克號數(shù)據(jù)集中不同票價(jià)的人生存和死亡人數(shù)分布情況稠曼。（用折線圖試試）（橫軸是不同票價(jià)，縱軸是存活人數(shù)）
# 計(jì)算不同票價(jià)中生存與死亡人數(shù) 1表示生存客年，0表示死亡
fare_sur = text.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False)
fare_sur
image.png
# 排序后繪折線圖
fig = plt.figure(figsize=(20, 18))
fare_sur.plot(grid=True)
plt.legend()
plt.show()
image.png
# 排序前繪折線圖
fare_sur1 = text.groupby(['Fare'])['Survived'].value_counts()
fare_sur1
image.png
fig = plt.figure(figsize=(20, 18))
fare_sur1.plot(grid=True)
plt.legend()
plt.show()
image.png
(5)可視化展示泰坦尼克號數(shù)據(jù)集中不同倉位等級的人生存和死亡人員的分布情況霞幅。（用柱狀圖試試）
image.png
import seaborn as sns
sns.countplot(x="Pclass", hue="Survived", data=text)
image.png
(6)可視化展示泰坦尼克號數(shù)據(jù)集中不同年齡的人生存與死亡人數(shù)分布情況。(不限表達(dá)方式)
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()
image.png
(7）可視化展示泰坦尼克號數(shù)據(jù)集中不同倉位等級的人年齡分布情況量瓜。（用折線圖試試）
···
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")
····
image.png
