探索泰坦尼克災(zāi)難數(shù)據(jù)

在數(shù)據(jù)分析的旅程中，可視化數(shù)據(jù)是一個(gè)不可或缺的步驟，它可以幫助我們更好地理解數(shù)據(jù)、發(fā)現(xiàn)趨勢和關(guān)聯(lián)。在本篇博客中，我們將使用 Python 中的 pandas、matplotlib 和 seaborn 庫，來探索泰坦尼克災(zāi)難的數(shù)據(jù)集，以圖表形式呈現(xiàn)數(shù)據(jù)的各種方面。

步驟1 導(dǎo)入必要的庫

首先，我們導(dǎo)入了一些必要的庫，包括 pandas 用于數(shù)據(jù)操作，matplotlib 和 seaborn 用于數(shù)據(jù)可視化，以及 numpy 用于數(shù)值計(jì)算。這些庫將在整個(gè)分析過程中發(fā)揮關(guān)鍵作用。

# 運(yùn)行以下代碼
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
%matplotlib inline

步驟2 從以下地址導(dǎo)入數(shù)據(jù)

在這一步，我們準(zhǔn)備導(dǎo)入泰坦尼克災(zāi)難的數(shù)據(jù)，這些數(shù)據(jù)存儲(chǔ)在名為 "train.csv" 的文件中。數(shù)據(jù)導(dǎo)入是數(shù)據(jù)分析的第一步，讓我們能夠開始探索和分析數(shù)據(jù)。

# 運(yùn)行以下代碼
path7 = 'exercise_data/train.csv'  # train.csv

步驟3 將數(shù)據(jù)框命名為titanic

我們成功導(dǎo)入數(shù)據(jù)后，將數(shù)據(jù)框命名為 "titanic" 并顯示前幾行數(shù)據(jù)，以便查看數(shù)據(jù)的結(jié)構(gòu)和內(nèi)容。

# 運(yùn)行以下代碼
titanic = pd.read_csv(path7)
titanic.head()

步驟4 將PassengerId設(shè)置為索引

在這一步，我們將 "PassengerId" 列設(shè)置為數(shù)據(jù)的索引。這可以幫助我們更容易地訪問和操作數(shù)據(jù)。

# 運(yùn)行以下代碼
titanic.set_index('PassengerId').head()

步驟5 繪制一個(gè)展示男女乘客比例的扇形圖

通過創(chuàng)建扇形圖，我們展示了乘客中男性和女性的比例。這是一個(gè)簡單而有效的方式來可視化性別分布，并了解男女乘客的比例。

# 運(yùn)行以下代碼
# sum the instances of males and females
males = (titanic['Sex'] == 'male').sum()
females = (titanic['Sex'] == 'female').sum()
# put them into a list called proportions
proportions = [males, females]
# Create a pie chart
plt.pie(
    # using proportions
    proportions,
    # with the labels being officer names
    labels = ['Males', 'Females'],
    # with no shadows
    shadow = False,
    # with colors
    colors = ['blue','red'],
    # with one slide exploded out
    explode = (0.15 , 0),
    # with the start angle at 90%
    startangle = 90,
    # with the percent listed as a fraction
    autopct = '%1.1f%%'
    )
# View the plot drop above
plt.axis('equal')
# Set labels
plt.title("Sex Proportion")
# View the plot
plt.tight_layout()
plt.show()

步驟6 繪制一個(gè)展示船票Fare, 與乘客年齡和性別的散點(diǎn)圖

在這一步，我們創(chuàng)建了一個(gè)散點(diǎn)圖，將船票價(jià)格 (Fare) 與乘客的年齡和性別進(jìn)行了比較。這種圖表可以幫助我們觀察票價(jià)與年齡和性別之間的關(guān)系。

# 運(yùn)行以下代碼
# creates the plot using
lm = sns.lmplot(x = 'Age', y = 'Fare', data = titanic, hue = 'Sex', fit_reg=False)
# set title
lm.set(title = 'Fare x Age')
# get the axes object and tweak it
axes = lm.axes
axes[0,0].set_ylim(-5,)
axes[0,0].set_xlim(-5,85)

 (-5.0, 85.0)

步驟7 有多少人生還？

我們統(tǒng)計(jì)了生還乘客的數(shù)量，這是泰坦尼克災(zāi)難中一個(gè)重要的統(tǒng)計(jì)指標(biāo)。在這個(gè)數(shù)據(jù)集中，有342人幸存下來。

# 運(yùn)行以下代碼
titanic.Survived.sum()

342

步驟8 繪制一個(gè)展示船票價(jià)格的直方圖

最后，我們創(chuàng)建了一個(gè)直方圖，顯示了不同船票價(jià)格的頻率分布。這種圖表可以幫助我們了解船票價(jià)格的分布情況。

# 運(yùn)行以下代碼
# sort the values from the top to the least value and slice the first 5 items
df = titanic.Fare.sort_values(ascending = False)
df
# create bins interval using numpy
binsVal = np.arange(0,600,10)
binsVal
# create the plot
plt.hist(df, bins = binsVal)
# Set the title and labels
plt.xlabel('Fare')
plt.ylabel('Frequency')
plt.title('Fare Payed Histrogram')
# show the plot
plt.show()

總結(jié)

我們介紹了數(shù)據(jù)可視化的基本步驟，并使用了 matplotlib 和 seaborn 庫來創(chuàng)建不同類型的圖表。具體來說，我們使用了扇形圖展示比例、散點(diǎn)圖展示關(guān)系、直方圖展示分布情況等。這些圖表有助于我們更好地理解泰坦尼克災(zāi)難數(shù)據(jù)，探索性別比例、票價(jià)分布以及生還人數(shù)等方面的信息。

1、Seaborn簡介和基本繪圖函數(shù)

Seaborn 是一個(gè)用于數(shù)據(jù)可視化的 Python 庫，它建立在 Matplotlib 的基礎(chǔ)之上，提供了更高級(jí)、更美觀和更方便的繪圖功能。以下是 Seaborn 中常用的一些創(chuàng)建圖表的函數(shù)：

• sns.scatterplot(): 用于創(chuàng)建散點(diǎn)圖，展示兩個(gè)變量之間的關(guān)系。
• sns.lineplot(): 繪制線圖，通常用于顯示時(shí)間序列數(shù)據(jù)的趨勢。
• sns.barplot(): 創(chuàng)建條形圖，用于比較不同類別之間的數(shù)值關(guān)系。
• sns.countplot(): 繪制計(jì)數(shù)圖，用于顯示每個(gè)類別的頻數(shù)或計(jì)數(shù)。
• sns.boxplot(): 繪制箱線圖，展示數(shù)據(jù)的分布和異常值。
• sns.violinplot(): 創(chuàng)建小提琴圖，結(jié)合了箱線圖和核密度估計(jì)，用于展示數(shù)據(jù)分布。
• sns.heatmap(): 生成熱力圖，通常用于顯示相關(guān)性矩陣或二維數(shù)據(jù)的值分布。
• sns.pairplot(): 創(chuàng)建成對(duì)關(guān)系圖，展示數(shù)據(jù)集中多個(gè)變量之間的散點(diǎn)圖和直方圖。
• sns.distplot(): 繪制單變量的分布圖，包括直方圖和核密度估計(jì)。
• sns.jointplot(): 創(chuàng)建聯(lián)合圖，同時(shí)顯示兩個(gè)變量的單變量分布和二維關(guān)系。
• sns.lmplot(): 繪制線性回歸模型的散點(diǎn)圖和回歸線。
• sns.catplot(): 用于創(chuàng)建分類圖，可以包括多個(gè)子圖，通常用于比較不同組或類別之間的關(guān)系。
• sns.relplot(): 繪制關(guān)系圖，用于可視化兩個(gè)或多個(gè)變量之間的關(guān)系。

2、前文中所用的Seaborn

以前文所使用的lmplot為例：sns.lmplot() 是 Seaborn 庫中用于創(chuàng)建線性回歸模型圖的函數(shù)。它通常用于可視化兩個(gè)變量之間的線性關(guān)系，同時(shí)可以添加回歸線和置信區(qū)間。

sns.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, height=5, aspect=1, markers='o', scatter_kws=None, line_kws=None)

參數(shù)說明：

• x 和 y：分別是數(shù)據(jù)框中的列名，用于表示 x 軸和 y 軸上的變量。
• data：要使用的數(shù)據(jù)框，包含 x 和 y 列。
• hue：可選參數(shù)，用于根據(jù)某一列的不同取值給數(shù)據(jù)點(diǎn)著色，通常用于表示分類變量。
• col 和 row：可選參數(shù)，用于在多個(gè)子圖中繪制不同的圖表，通常用于表示分類變量。
• palette：可選參數(shù)，用于指定顏色調(diào)色板，用于著色數(shù)據(jù)點(diǎn)或線條。
• height：圖的高度。
• aspect：圖的縱橫比。
• markers：可選參數(shù)，用于指定數(shù)據(jù)點(diǎn)的標(biāo)記樣式。
• scatter_kws 和 line_kws：可選參數(shù)，用于傳遞給散點(diǎn)圖和回歸線的其他參數(shù)。

sns.lmplot() 函數(shù)的作用是繪制散點(diǎn)圖，并根據(jù)數(shù)據(jù)擬合一個(gè)線性回歸模型。它通常用于研究兩個(gè)連續(xù)變量之間的關(guān)系，以及回歸模型的擬合情況。

import seaborn as sns
import matplotlib.pyplot as plt
# 創(chuàng)建一個(gè)示例數(shù)據(jù)框
data = sns.load_dataset("tips")
# 使用lmplot繪制散點(diǎn)圖和回歸線
sns.lmplot(x="total_bill", y="tip", data=data)
# 添加回歸線的置信區(qū)間
sns.lmplot(x="total_bill", y="tip", data=data, ci=None)
# 使用hue參數(shù)根據(jù)分類變量著色
sns.lmplot(x="total_bill", y="tip", data=data, hue="sex")
# 使用col和row參數(shù)創(chuàng)建多個(gè)子圖
sns.lmplot(x="total_bill", y="tip", data=data, col="time", row="sex")
# 自定義標(biāo)記樣式和顏色
sns.lmplot(x="total_bill", y="tip", data=data, markers=["o", "x"], palette="Set1")
plt.show()

3、Seaborn的樣式控制

Seaborn 允許你控制圖形的樣式和外觀，以使你的數(shù)據(jù)可視化更加美觀和易于理解。你可以使用 Seaborn 提供的各種樣式設(shè)置和主題來自定義圖形的外觀。

樣式設(shè)置（Style Set）： Seaborn 提供了不同的樣式設(shè)置，通過 sns.set_style() 函數(shù)可以進(jìn)行切換。常用的樣式設(shè)置包括 "whitegrid"、"darkgrid"、"white"、"dark" 和 "ticks"。每種樣式設(shè)置具有不同的背景和網(wǎng)格線樣式，你可以根據(jù)需要選擇合適的樣式。

import seaborn as sns
# 使用不同的樣式設(shè)置
sns.set_style("whitegrid")
sns.set_style("darkgrid")
sns.set_style("white")
sns.set_style("dark")
sns.set_style("ticks")

圖形主題（Themes）： 通過 sns.set_theme() 函數(shù)，你可以選擇不同的圖形主題，包括 "darkgrid"、"whitegrid"、"dark"、"white" 和 "ticks"，這與樣式設(shè)置類似。不同的主題將影響整個(gè)圖形的外觀。

import seaborn as sns
# 使用不同的圖形主題
sns.set_theme(style="darkgrid")
sns.set_theme(style="whitegrid")
sns.set_theme(style="dark")
sns.set_theme(style="white")
sns.set_theme(style="ticks")

顏色調(diào)色板（Color Palettes）： Seaborn 提供了各種顏色調(diào)色板，用于指定圖形中的顏色。你可以使用 sns.color_palette() 函數(shù)來自定義顏色調(diào)色板，也可以使用已經(jīng)定義好的顏色調(diào)色板，如 "deep"、"pastel"、"dark" 等。

import seaborn as sns
# 使用不同的顏色調(diào)色板
sns.color_palette("deep")
sns.color_palette("pastel")
sns.color_palette("dark")

坐標(biāo)軸刻度（Axis Ticks）： 你可以通過 sns.set_context() 函數(shù)來控制坐標(biāo)軸刻度的大小和字體?？蛇x的上下文包括 "paper"、"notebook"、"talk" 和 "poster"。

import seaborn as sns
# 設(shè)置坐標(biāo)軸刻度的上下文
sns.set_context("paper")
sns.set_context("notebook")
sns.set_context("talk")
sns.set_context("poster")

這些控制樣式的方法可以根據(jù)你的需求來自定義 Seaborn 圖形的外觀，使其更符合你的數(shù)據(jù)可視化目標(biāo)和審美標(biāo)準(zhǔn)。你可以根據(jù)具體情況組合使用這些設(shè)置來創(chuàng)建最適合你的圖形樣式。

以上就是pandas探索你的數(shù)據(jù)實(shí)現(xiàn)可視化示例詳解的詳細(xì)內(nèi)容，更多關(guān)于pandas數(shù)據(jù)可視化的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！