数据可视化
1准备工作
（1）开始之前，导入numpy、pandas包和数据
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
(2)导入result.csv这个文件
text = pd.read_csv(r'result.csv')
text.head()
image.png
2 如何让人一眼看懂你的数据？
(1）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（用柱状图试试）
sex = text.groupby('Sex')['Survived'].sum()
sex.plot.bar()
plt.title('survived_count')
plt.show()
image.png
(3)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（用柱状图试试）。
# 提示：计算男女中死亡人数 1表示生存，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。（用折线图试试）（横轴是不同票价，纵轴是存活人数）
# 计算不同票价中生存与死亡人数 1表示生存，0表示死亡
fare_sur = text.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False)
fare_sur
image.png
# 排序后绘折线图
fig = plt.figure(figsize=(20, 18))
fare_sur.plot(grid=True)
plt.legend()
plt.show()
image.png
# 排序前绘折线图
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。（用柱状图试试）
image.png
import seaborn as sns
sns.countplot(x="Pclass", hue="Survived", data=text)
image.png
(6)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。(不限表达方式)
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）可视化展示泰坦尼克号数据集中不同仓位等级的人年龄分布情况。（用折线图试试）
···
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
