실습. 타이타닉 데이터 분석해보기

csv 첨부파일

csv 파일 읽고, 데이터 파악

import pandas as pd

train_data = pd.read_csv("./train.csv")
print("데이터 shape \n {}".format(train_data.shape))
print()
print("데이터 5개 미리보기 \n {}".format(train_data.head()))
print()
print("데이터 정보")
print(train_data.info())
print()
print("null값을 가지고 있는 데이터 \n {}".format(train_data.isnull().sum()))

결과값

데이터 shape 
 (891, 12)

데이터 5개 미리보기 
    PassengerId  Survived  Pclass  \
0            1         0       3   
1            2         1       1   
2            3         1       3   
3            4         1       1   
4            5         0       3   

                                                Name     Sex   Age  SibSp  \
0                            Braund, Mr. Owen Harris    male  22.0      1   
1  Cumings, Mrs. John Bradley (Florence Briggs Th...  female  38.0      1   
2                             Heikkinen, Miss. Laina  female  26.0      0   
3       Futrelle, Mrs. Jacques Heath (Lily May Peel)  female  35.0      1   
4                           Allen, Mr. William Henry    male  35.0      0   

   Parch            Ticket     Fare Cabin Embarked  
0      0         A/5 21171   7.2500   NaN        S  
1      0          PC 17599  71.2833   C85        C  
2      0  STON/O2. 3101282   7.9250   NaN        S  
3      0            113803  53.1000  C123        S  
4      0            373450   8.0500   NaN        S  

데이터 정보
<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
None

null값을 가지고 있는 데이터 
 PassengerId      0
Survived         0
Pclass           0
Name             0
Sex              0
Age            177
SibSp            0
Parch            0
Ticket           0
Fare             0
Cabin          687
Embarked         2
dtype: int64

Null Data 시각화

import missingno as msno

msno.matrix(train_data, figsize=(12,6))

Discrete 데이터 시각화

• discrete 데이터를 bar chart로 시각화하기

import matplotlib.pyplot as plt
plt.rc('font', family='NanumGothic')
# 한글 깨짐 해결

def bar_chart(feature, ax=None):
    survived = train_data[train_data['Survived']==1][feature].value_counts()
    dead = train_data[train_data['Survived']==0][feature].value_counts()
    df = pd.DataFrame([survived, dead])
    df.index = ['Survived', 'Dead']
    df.plot(kind='bar', stacked=True, ax=ax)
    # stacked 가 True이면 데이터를 쌓아서 보여준다
    
figure, ((ax1, ax2, ax3), (ax4, ax5, ax6)) = plt.subplots(nrows=2,ncols=3)
figure.set_size_inches(18,12)

bar_chart('Sex', ax1)
bar_chart('Pclass', ax2)
bar_chart('SibSp', ax3)
bar_chart('Parch', ax4)
bar_chart('Embarked', ax5)
ax1.set(title="성별 생사정보")
ax2.set(title="티켓 class")
ax3.set(title="형제 수")
ax4.set(title="부모 자식의 수")
ax5.set(title="승선 장소")

plt.show()

Continuous 데이터 시각화

• Continuos 데이터를 facet으로 시각화하기_1

import seaborn as sns
def draw_facetgrid(feature):
    # train에 저장된 DataFrame을 FacetGrid를 통해 그래프로 그려준다 
    # hue="Survived"는 그래프의 범례(legend)의 이름을 설정
    # aspect=5 는 그래프의 종횡비를 설정
    facet = sns.FacetGrid(train_data, hue="Survived", aspect=5)

    # facet.map()은 kedplot 방식을 사용하여 주어진 데이터 feature를 plotting 하는 
    # 즉, 그래프를 그리는 기능 
    facet.map(sns.kdeplot, feature, shade=True)
    # 0 부터 값의 주어진 데이터의 최대 값까지를 x축의 범위로 설정
    facet.set(xlim=(0, train_data[feature].max()))
    # 지정된 범례(legend)를 표시
    facet.add_legend() 
    plt.show()    
    
draw_facetgrid('Age')
draw_facetgrid('Fare')

• 10 이하의 경우 살 확률이 크고, 10대 중반에서 30살까지는 죽을 확률이 더 큼
• 비싸게 표를 산 사람들이 살 확률이 더 높음

Pclass 별 cabin 형황을 시각화하기

for dataset in [train_data]:
    dataset["Cabin"] = dataset["Cabin"].str[:1]
    
Pclass1 = train_data[train_data['Pclass']==1]['Cabin'].value_counts()
Pclass2 = train_data[train_data['Pclass']==2]['Cabin'].value_counts()
Pclass3 = train_data[train_data['Pclass']==3]['Cabin'].value_counts()

df = pd.DataFrame([Pclass1, Pclass2, Pclass3])
df.index = ['1st class', '2nd class', '3rd class']
df.plot(kind = 'bar', stacked = True, figsize=(10, 10))