Python——泰坦尼克号数据分析
目录
?1.数据集（部分数据）
✏️ 2、导入数据集与必要模块
⌨️ 3.数据预处理
1️⃣ isnull函数查看有无缺失值
2️⃣fillna函数填充缺失值
? Age字段使用平均值填充缺失值
? Embarked字段填充缺失值
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
2️⃣ countplot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 对年龄进行分级，分开小孩和老人的数据
? 对分级后的年龄进行可视化
? 分析乘客年龄与生还乘客之间的关系
?1.数据集（部分数据）
| 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 | 乘客船舱等级（1/2/3三个等级舱位） |
| Name | 乘客姓名 |
| Sex | 性别 |
| Age | 年龄 |
| SibSp | 乘客在船上的兄弟姐妹/配偶数量 |
| 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、导入数据集与必要模块
# 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()
⌨️ 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进行求和
从上述结果可见，Cabin（客舱号码）、Embarked（登船的港口）、Fare（船票价）、Age（年龄）、Survived（乘客是否获救）字段中均有缺失值，而Cabin和Survived是需要考虑实际的情况，从而没有办法对缺失值进行填充，因此我们对Age字段按照平均值的方式对其进行填充，作为一个参考
2️⃣fillna函数填充缺失值
fillna(value,method,axis,inplace,limit,downcast)
| 字段 | 数据类型 | 含义 |
| value | dict or series or dataframe | 用于填充缺失值的值。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，以便进行按位置的替换 |
method | str | 用于填充缺失值的方法。 ‘backfill’ 或 ‘bfill’：使用下一个有效值进行填充（向后填充） ‘pad’ 或 ‘ffill’：使用前一个有效值进行填充（向前填充） None：不进行任何填充，仅返回原始对象 |
axis | int or str | 确定沿着哪个轴进行填充。0 或 ‘index’ 表示按行（即沿着水平轴），1 或 ‘columns’ 表示按列（即沿着垂直轴） |
inplace | bool | 默认为 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填充的最大数量。例如，如果 limit=1，则最多只填充一个缺失值 |
downcast | dict or str | 将可能更大的数据类型向下转换为可能更小的数据类型，以节省内存。例如，如果某个列是 float64 类型，但所有值都是整数，那么可以将其转换为 int64 类型 |
? Age字段使用平均值填充缺失值
# 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()
从上图的结果可知，Age字段没有缺失值，因此缺失值填充成功，而Embarked字段也可以进行填充
? Embarked字段填充缺失值
- 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- 对登船地点进行缺失值的填充（填充为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
03️⃣ 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()
