통계분석시각화 - 타이타닉1

Pandas : 데이터분석 라이브러리, 관계형 데이터를 행과 열로 구성된 객체로 만들어준다.

Matplotlib : 시각화 라이브러리, 그래프를 그릴 수 있게 해주는 도구

Numpy :  선형대수 라이브러리 , 벡터, 행렬 등 수치 연산

df : 데이터 프레임

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

 

#csv 파일 읽기

path = '/content/sample_data/train_titanic.csv'
df = pd.read_csv(path)
df

자료

 

 

 

1. 주어진 자료의 인원, 생존자, 사망자는 몇 명인가?

데이터 값 세기 :  count( )

카테고리별 값 세기 :  df[ ].value_counts( ) - 둘다 특정 column에  적용가능

df['Survived'].value_counts()  #1생존자 , 0 사망자

"""
0    549
1    342
Name: Survived, dtype: int64
"""

count = df['PassengerId'].count() #인원세기
sur_data = df['Survived'] #생존자, 사망자
print(type(sur_data)) #Series타입출력

svc = sur_data.value_counts() #sur_data 카테고리값을 세겠다
print(type(svc)) #series는 인덱스와 value가 있는 1차원 시퀸스 데이터.

sur_data.count()

#0 사망자,1 생존자 , 인덱스를 통해 값세기
print(f"인원 : {sur_data.count()}, 사망자수 : {svc.values[0]}, 생존자 수 : {svc.values[1]}")


"""
<class 'pandas.core.series.Series'>
<class 'pandas.core.series.Series'>
인원 : 891, 사망자수 : 549, 생존자 수 : 342

"""

 

 

2. 생존자와 사망자를 Pie 그래프로 나타내고 생존자와 사망자의 퍼센트를 소수점 2자리까지 나타내시오.

labels=["dead" , "alive"] #라벨
plt.pie(svc, labels=labels, autopct="%.2f" )
plt.show()

 

 

3. 결측데이터가 있는 컬럼들을 조사하시오.

결측치 : 대부분의 머신러닝 알고리즘은 누락된 데이터가 존재한다. -> 처리해야 함

isnull() : 결측치 여부 확인, 결측치에 대해 True값 반환

isnull().value_counts() : 결측치 개수 확인

df.info()

"""
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   PassengerId  891 non-null    int64  
 1   Survived     891 non-null    int64  
 2   Pclass       891 non-null    int64  
 3   Name         891 non-null    object 
 4   Sex          891 non-null    object 
 5   Age          714 non-null    float64
 6   SibSp        891 non-null    int64  
 7   Parch        891 non-null    int64  
 8   Ticket       891 non-null    object 
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object 
 11  Embarked     889 non-null    object 
dtypes: float64(2), int64(5), object(5)
memory usage: 83.7+ KB

"""

 

이처럼 대부분의 데이터에 결측치가 존재한다.

df['Age'].isnull().value_counts()

"""
False    714
True     177
Name: Age, dtype: int64
"""

df['Cabin'].isnull().value_counts()

"""
True     687
False    204
Name: Cabin, dtype: int64
"""

df['Embarked'].isnull().value_counts()

"""
False    889
True       2
Name: Embarked, dtype: int64
"""

 

 

4. Pclass의 종류별로 분포를 Pie 그래프로 나타내시오.

sort_index() :  index를 기준

sort_values() : 컬럼 값 기준으로 데이터를 정렬

 

dvc = df.Pclass.value_counts().sort_index() #Pclass의 값을 인덱스 기준으로 정렬
plt.pie(dvc.values , labels=['1','2','3'] ,autopct="%.2f")
plt.title("Pclass")
plt.show()

 

5. Pclass의 종류별로 생존자와 사망자를 하나의 막대그래프로 나타내시오. (아래:생존자, 위:사망자)

pdata = df.Pclass #pdata : Pclass에 관한 데이터 프레임
cn = len(pdata.unique()) #pdata의 고유값 길이 수 = 값의 종류 확인
pc_alive_arr = np.zeros(cn) #numpy
pc_dead_arr = np.zeros(cn)

for index in range(len(pdata)):
  pi = pdata[index]-1 # Pclass는 1,2,3인데 이를 0,1,2로 변환 
  if sur_data[index]==0: #죽은 승객일 때
    pc_dead_arr[pi] +=1
  else: #생존
    pc_alive_arr[pi] +=1

pc_alive_arr, pc_dead_arr  #클래스1,2,3 별로 살아있는 ... (array([136.,  87., 119.]), array([ 80.,  97., 372.]))

labels=['1','2','3']
plt.bar(labels,pc_alive_arr) #막대그래프 그리기
plt.bar(labels,pc_dead_arr , bottom=pc_alive_arr)

for i in range(cn):
  plt.annotate(str(pc_alive_arr[i]) ,(-0.1+i,40))  #annotate:주석 ->파란색 부분
  plt.annotate(str(pc_alive_arr[i]) ,(-0.1+i,pc_alive_arr[i]+30))


plt.show()

 

 

 

 

 

6. Name 컬럼에 탑승자를 부르는 호칭을 Mr, Mrs, Miss, Master, Dr, ETC로 나누어 분포를 파이 그래프로 나타내시오.

df.Name
names_values=['Mr', 'Mrs', 'Miss', 'Master', 'Dr', 'ETC']
#names_values 중에 몇 번째 것인지 판별하는 함수
def get_name_index(name):
  first, second= name.split(',')#split: ,를 기준으로 앞뒤로 분리시켜서 뒤쪽 데이터만 사용
  foos = second.split('.' )#뒤의 데이터 중에서도 .을 기준으로 분리, 그런데 .이 있지 않은 것도 있어서 컬렉션을 받고
  tn = foos[0].replace(' ','') #공백 없애기.
  for index, nv in enumerate(names_values): #names_values
    if nv == tn: #tn : name에서 가져옴
      return index  
  return 5


n_cnts = np.zeros(6) #names_values 길이만큼을 원소값0 array로 만들기
for i, name in enumerate(df.Name):
  ni = get_name_index(name)
  n_cnts[ni] +=1
#print(n_cnts)

plt.pie(n_cnts, labels=names_values, autopct="%.2f %%") 
plt.title("Name")
plt.show()

 

 

 

 

 

 

7. 앞에서 구분한 호칭에 따른 생존자와 사망자를 하나의 막대그래프로 나타내시오.(아래:생존자, 위:사망자)

 

pn_alive_arr = np.zeros(6) #생존
pn_dead_arr = np.zeros(6) #사망
for i,name in enumerate(df.Name):
  ni = get_name_index(name) #nu : name의 인덱스 뽑기
  if sur_data[i]==0:
    pn_dead_arr[ni]+=1
  else:
    pn_alive_arr[ni]+=1

#표그리기
plt.bar(names_values, pn_alive_arr) #6번에 name_values정의 
plt.bar(names_values, pn_dead_arr, bottom = pn_alive_arr)

for i in range(6):
  plt.annotate(str(pn_alive_arr[i]),(-0.1+i,40))
  if pn_alive_arr[i]<40:
    plt.annotate(str(pn_dead_arr[i]),(-0.1+i, pn_alive_arr[i]+80))
  else:
    plt.annotate(str(pn_dead_arr[i]),(-0.1+i, pn_alive_arr[i]+80))
plt.show()

 

 

8. 성별로 분포를 파이 그래프로 나타내시오.

dvc = df.Sex.value_counts().sort_index()
plt.pie(dvc.values , labels=['female','man'] ,autopct="%.2f") #dvc 값을 그래프 안에 적기
plt.title("sex")
plt.show()  #0남자