스터디노트 (ML3)

📌 Titanic_EDA

🔻 Titanic 생존율 확인하기

import pandas as pd

titanic = pd.read_excel('../data/titanic.xls')
titanic.head()

import matplotlib.pyplot as plt
import seaborn as sns

# graph 2개 제작
f, ax = plt.subplots(1, 2, figsize = (16, 8)); 

# autopct = %표시
titanic['survived'].value_counts().plot.pie(ax=ax[0], autopct='%1.1f%%', shadow=True, explode = [0, 0.1]);
ax[0].set_title('Pie plot - survived')
ax[0].set_ylabel('')

sns.countplot(x='survived', data=titanic, ax=ax[1])
ax[1].set_title('Count plot - survived')
plt.show()

🔻 성별을 놓고 bar 차트로 확인해보자

# graph 2개 제작
f, ax = plt.subplots(1, 2, figsize = (16, 8));

sns.countplot(x='sex', data=titanic, ax=ax[0])
ax[0].set_title('Count of passengers of sex')
ax[0].set_ylabel('')

sns.countplot(x='sex', data=titanic, hue='survived', ax=ax[1])
ax[1].set_title('sex : survived and Unsurvived')
plt.show()

🔻 crosstab

# survived
pd.crosstab(titanic['pclass'], titanic['survived'], margins=True)

🔻 Class 별로 구분 해보기

- 3등실에 20대 남성이 많았다는 사실을 알 수 있다.

grid = sns.FacetGrid(titanic, row='pclass', col='sex', height=4, aspect=2)
grid.map(plt.hist, 'age', alpha=0.8, bins=20)
grid.add_legend()

🔻나이별 승객 현황

- 아이와 2-30대가 많았다는 것을 알 수 있다.

import plotly_express as px
fig = px.histogram(titanic, x='age')
fig.show()

🔻나이별 승객 현황

- 등실별 생존률을 연령별로 확인하기

- 선실 등급이 높을수록 생존률이 높은 듯 나온다.

grid = sns.FacetGrid(titanic, row='pclass', col='survived', height=4, aspect=2)
grid.map(plt.hist, 'age', alpha=0.5, bins=20)
grid.add_legend()

🔻나이를 정확하게 구분해보자

- pandas의 cut을 활용하여 label을 붙여보자

titanic['age_category'] = pd.cut(titanic['age'], bins=[0,7,15,30,60,100],
       include_lowest=True,
       labels=['baby', 'teen', 'young', 'adult', 'old'])
titanic.head()

- 어리고, 여성, 1등실일 수록 생존하기 유리했을까?

plt.figure(figsize=(12, 4))
plt.subplot(131)
sns.barplot(x='pclass', y='survived', data=titanic)
plt.subplot(132)
sns.barplot(x='age_category', y='survived', data=titanic)
plt.subplot(133)
sns.barplot(x='sex', y='survived', data=titanic)
plt.show()

🔻남/여 나이별 생존 상황을 보다 더 들여다보자

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(14, 6))
women = titanic[titanic['sex'] == 'female']
men = titanic[titanic['sex'] == 'male']

ax = sns.distplot(women[women['survived']==1]['age'], bins=20, label='survived', ax=axes[0], kde=False)
ax = sns.distplot(women[women['survived']==0]['age'], bins=40, label='not survived', ax=axes[0], kde=False)
ax.legend(); ax.set_title('Female')

ax = sns.distplot(men[men['survived']==1]['age'], bins=20, label='survived', ax=axes[1], kde=False)
ax = sns.distplot(men[men['survived']==0]['age'], bins=40, label='not survived', ax=axes[1], kde=False)
ax.legend(); ax.set_title('male')

🔻사회적 신분을 정리하고 그래프로 나타내보자

import re

title = []
for idx, dataset in titanic.iterrows():
    tmp = dataset['name']
    title.append(re.search('\,\s\w+(\s\w+)?\.', tmp).group()[2:-1])

title
>>>>
['Miss',
 'Master',
 'Miss',
 'Mr',
 'Mrs',
 'Mr',
...

pd.crosstab(titanic['title'], titanic['sex'])

titanic['title'].unique()
>>>>
array(['Miss', 'Master', 'Mr', 'Mrs', 'Col', 'Mme', 'Dr', 'Major', 'Capt',
       'Lady', 'Sir', 'Mlle', 'Dona', 'Jonkheer', 'the Countess', 'Don',
       'Rev', 'Ms'], dtype=object)

# 사회적 신분 타이틀을 간략화하자
titanic['title'] = titanic['title'].replace('Mlle', 'Miss')
titanic['title'] = titanic['title'].replace('Ms', 'Miss')
titanic['title'] = titanic['title'].replace('Mme', 'Mrs')

Rare_f = ['Dona', 'Lady', 'the Countess']
Rare_m = ['Capt', 'Col', 'Don', 'Major', 'Rev', 'Sir', 'Dr', 'Master', 'Jonkheer']

for each in Rare_f:
    titanic['title'] = titanic['title'].replace(each, 'Rare_f')

for each in Rare_m:
    titanic['title'] = titanic['title'].replace(each, 'Rare_m')

🔻group by로 신분을 묶어서 표현해보자

- 귀족의 남성 --> 절반도 살아남지 못했다.

titanic[['title', 'survived']].groupby(['title'], as_index=False).mean()