其他分享
首页 > 其他分享> > Datawhale动手学习数据分析-Task4

Datawhale动手学习数据分析-Task4

作者:互联网

数据可视化

导入相关库:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

导入数据:

text = pd.read_csv(r'result.csv')
text.head()
# 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
sex = text.groupby('Sex')['Survived'].sum()
sex.plot.bar()
plt.title('survived_count')
plt.show()

在这里插入图片描述

 # 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
text.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')
plt.title('survived_count')
plt.ylabel('count')

在这里插入图片描述

 # 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
fare_sur = text.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False)
fare_sur

在这里插入图片描述

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

在这里插入图片描述

 # 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
import seaborn as sns
sns.countplot(x="Pclass", hue="Survived", data=text)

在这里插入图片描述

 # 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()

在这里插入图片描述

 

标签:数据分析,泰坦尼克号,plt,Task4,text,Datawhale,可视化,Survived,import
来源: https://blog.csdn.net/qq_36816848/article/details/118880914