통계분석시각화 - 타이타닉2

9. 성별에 따른 생존자와 사망자를 하나의 막대그래프로 나타내시오.(아래:생존자, 위:사망자)

sdata = df.Sex #성별 데이터 프레임
sn = len(sdata.unique()) #sn : sdata의 값개수
ps_alive_arr = np.zeros(sn) #0으로 초기화
ps_dead_arr = np.zeros(sn)

for index in range(len(sdata)):#sdata개수만큼
  if sdata[index] =='female': #인덱스가 female이면
    si =0 #si에 0넣고
  else:
    si =1
  if sur_data[index] ==0: #죽은 승객일때
    ps_dead_arr[si]+=1
  else:
    ps_alive_arr[si]+=1 

labels=['female','male'] #x축라벨

plt.bar(labels,ps_alive_arr)
plt.bar(labels,ps_dead_arr , bottom=ps_alive_arr)

for i in range(sn):
  plt.annotate(str(ps_alive_arr[i]) ,(-0.1+i,40))
  plt.annotate(str(ps_dead_arr[i]) ,(-0.1+i,ps_alive_arr[i]+30))


plt.show()

 

 

 

10. 나이를 5살 범위로 17단계로(0~5, 5~10,...,80~85)로 나누어 분포를 조사하여 파이 그래프로 나타내시오.(결측값은 평균나이로 처리하시오.)

 

mv = df.Age.mean() #평균
ad = df.Age.fillna(mv) #결측치 수정
ad.isnull().value_counts() #확인

"""
False    891
Name: Age, dtype: int64
"""

 

#히스토그램 도수분포표 막대그래프로 시각화
n, bins, patches = plt.hist(ad,bins =[0,5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85])
plt.show()
n

 

 

age_values = np.zeros(17)
for i, age in enumerate(ad): #ad : 결측치 수정한 값만큼 반복
  ai =  age//5
  ai = int(ai)
  age_values[ai] +=1
age_values

"""
array([ 40.,  22.,  16.,  86., 114., 283.,  95.,  72.,  48.,  41.,  32.,
        16.,  15.,   4.,   6.,   0.,   1.])
"""

 

 

plt.pie(age_values ,labels=['0','5','10','15','20','25','30','35','40','45','50','55','60','65','70','75','80'])
plt.show()

 

 

 

 

11. 나이를 구분한 단계에 따른 생존자와 사망자를 하나의 막대그래프로 나타내시오.(아래:생존자, 위:사망자)

 

ps_alive_arr = np.zeros(17)
ps_dead_arr = np.zeros(17)

for index in range(len(ad)): #ad 위쪽에 결측치 수정한 값
  ai = ad[index]//5
  ai = int(ai)
  
  if sur_data[index]==0: #죽은 승객일 때
    ps_dead_arr[ai]+=1
  else: #생존 승객일 때
    ps_alive_arr[ai]+=1

labels=['0','5','10','15','20','25','30','35','40','45','50','55','60','65','70','75','80']
plt.bar(labels,ps_alive_arr)
plt.bar(labels,ps_dead_arr,bottom=ps_alive_arr)
plt.show()
for i in range(17):
  print(f"{i*5:02d}  ~ {(i+1)*5:-02d}:  {age_values[i]:03.0f}")


plt.show()

 

 

12. SibSp 컬럼의 값의 종류에 따른 분포를 조사하여 파이 그래프로 나타내시오.

svc = df.SibSp.value_counts().sort_index()
plt.pie(svc.values , labels=svc, autopct="%.2f")
plt.title("SibSp")
plt.show()

 

 

13. 값에 따른 생존자와 사망자를 하나의 막대그래프로 나타내시오.(아래:생존자, 위:사망자)

sdata = df.SibSp
sn = 9 #형제 자매 수를 인덱스로 사용하기 위해서 0~8개까지 9개를 사용 
sc_alive_arr = np.zeros(sn)
sc_dead_arr = np.zeros(sn)

for index in range(len(sdata)):
  si = sdata[index] #형제 자매수를 얻어온다.
  if sur_data[index] ==0: #죽은 승객일때
    sc_dead_arr[si]+=1
  else:
    sc_alive_arr[si]+=1 

labels=[str(i) for i in range(9)]
plt.bar(labels,sc_alive_arr)
plt.bar(labels,sc_dead_arr , bottom=sc_alive_arr)

for i in range(sn):
  plt.annotate(str(sc_alive_arr[i]) ,(-0.2+i,40))
  if sc_alive_arr[i] <40:
     plt.annotate(str(sc_dead_arr[i]) ,(-0.2+i,sc_alive_arr[i]+80))
  else:
    plt.annotate(str(sc_dead_arr[i]) ,(-0.2+i,sc_alive_arr[i]+30))


plt.show()

 

 

14. Parch 컬럼의 값의 종류에 따른 분포를 조사하여 파이 그래프로 나타내시오.

pvc = df.Parch.value_counts().sort_index()

plt.pie(pvc.values, labels=pvc.index,autopct="%.2f")
plt.title("Parch")
plt.show()

 

 

15. 값에 따른 생존자와 사망자를 하나의 막대그래프로 나타내시오.(아래:생존자, 위:사망자)

pdata = df.Parch
pn = 7 #직계 자손, 조상수를 인덱스로 사용하기 위해 0~6까지 7개 새용
pc_alive_arr = np.zeros(pn)
pc_dead_arr = np.zeros(pn)

for index in range(len(pdata)):
  pi = pdata[index] #직계 자손, 조상 수
  if sur_data[index] ==0: #죽은 승객일때
    pc_dead_arr[pi]+=1
  else:
    pc_alive_arr[pi]+=1 

labels=[str(i) for i in range(pn)]
plt.bar(labels,pc_alive_arr)
plt.bar(labels,pc_dead_arr , bottom=pc_alive_arr)

for i in range(pn):
  plt.annotate(str(pc_alive_arr[i]) ,(-0.2+i,40))
  if pc_alive_arr[i] <40:
     plt.annotate(str(pc_dead_arr[i]) ,(-0.2+i,pc_alive_arr[i]+80))
  else:
    plt.annotate(str(pc_dead_arr[i]) ,(-0.2+i,pc_alive_arr[i]+30))

plt.show()

 

 

16. 승선한 항구(Embarked 컬럼)에 따른 분포를 조사하여 파이 그래프로 나타내시오.(결측값은 'N'으로 마킹하시오.)

df.Embarked.isnull().value_counts()
"""
False    889
True       2
Name: Embarked, dtype: int64

"""

 

edata = df.Embarked.fillna('N')
edata.isnull().value_counts()

"""
False    891
Name: Embarked, dtype: int64

"""

 

evc = edata.value_counts().sort_index()

plt.pie(evc.values, labels=evc.index,autopct="%.2f")
plt.title("Embarked")
plt.show()

 

 

17. 값에 따른 생존자와 사망자를 하나의 막대그래프로 나타내시오.(아래:생존자, 위:사망자)

#edata.unique() #array(['S', 'C', 'Q', 'N'], dtype=object)
len(edata.unique())

 

def get_embarked_index(embarked):
  if embarked =='S':
    return 0
  if embarked =='C':
    return 1
  if embarked =='Q':
    return 2
  if embarked =='N':
    return 3

 

edata.unique() #값의 종류 확인
en = len(edata.unique()) #승선한 항구 수
ec_alive_arr = np.zeros(en)
ec_dead_arr = np.zeros(en)
for index in range(len(edata)):
  ei = get_embarked_index(edata[index]) #embarked의 인덱스 얻어온다
  if sur_data[index]==0: #사망 승객
    ec_dead_arr[ei]+=1
  else: #생존 승객
    ec_alive_arr[ei]+=1
  
labels=evc.index
plt.bar(labels,ec_alive_arr)
plt.bar(labels,ec_dead_arr,bottom=ec_alive_arr)
for i in range(en):
  plt.annotate(str(ec_alive_arr[i]),(-0.2+i, 40))
  if ec_alive_arr[i]<40:
    plt.annotate(str(ec_dead_arr[i]),(-0.2+i, ec_alive_arr[i]+80))
  else:
    plt.annotate(str(ec_dead_arr[i]),(-0.2+i, ec_alive_arr[i]+30))
plt.title('Embarked')
plt.show()