头哥教学平台-泰坦尼克生还预测-可视化与探索性数据分析

第1关存活率与性别和船舱等级之间的关系

import pandas as pd
import numpy as np
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")
sns.set()
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocatordef student():# ********* Begin *********#a = pd.read_csv('Task1/train.csv')fig,axes = plt.subplots(1,2)sns.violinplot(x='Pclass',y='Age',data=a,split=True,ax=axes[0],hue='Survived')sns.violinplot(x='Sex',y='Age',split=True,data=a,hue='Survived',ax=axes[1])plt.savefig('Task1/img/T1.png')plt.show()# ********* End *********#

第2关各个口岸的生还率

import pandas as pd
import numpy as np
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")
sns.set()
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocatordef student():# ********* Begin *********#a = pd.read_csv('Task2/train.csv')sns.factorplot(data=a,x='Embarked',y='Survived')plt.savefig('Task2/img/T1.png')plt.show()# ********* End *********#

第3关统计各登船口岸的登船人数以及生还率

import pandas as pd
import numpy as np
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")
sns.set()
import matplotlib.pyplot as pltdef student():# ********* Begin *********#a = pd.read_csv('Task3/train.csv')fig,ax = plt.subplots(2,2,figsize=(10,10))sns.countplot("Embarked",data=a,ax=ax[0,0])ax[0,0].set_title("No.Of Passengers Boarded")sns.countplot("Embarked",hue="Sex",data=a,ax=ax[0,1])ax[0,1].set_title("Male-Female Split for Embarked")sns.countplot("Embarked",hue="Survived",data=a,ax=ax[1,0])ax[1,0].set_title("Embarked vs Survived")sns.countplot("Embarked",hue='Pclass',data=a,ax=ax[1,1])ax[1,1].set_title("Embarked vs Pclass")plt.savefig("Task3/img/T1.jpg")plt.show()# ********* End *********#

第4关船客兄弟姐妹妻子丈夫的数量与生存率之间的关系

import pandas as pd
import numpy as np
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")
sns.set()
import matplotlib.pyplot as pltdef student():# ********* Begin *********#data = pd.read_csv("Task4/train.csv")f,ax = plt.subplots(1,2,figsize=(10,10))sns.barplot(x="SibSp",y="Survived",data=data,ax=ax[0])ax[0].set_title("SibSp vs Survived")sns.catplot(x="SibSp",y="Survived",data=data,ax=ax[1],kind="point")ax[1].set_title("SibSp vs Survived")plt.close(2)plt.savefig("Task4/img/T1.png")# ********* End *********#

头哥教学平台-泰坦尼克生还预测-可视化与探索性数据分析相关推荐

Educoder中题目：泰坦尼克生还预测——可视化与探索性数据分析
第1关:存活率与性别和船舱等级之间的关系 import pandas as pdimport numpy as npimport seaborn as snsimport warningswarnin ...
泰坦尼克数据集预测分析_探索性数据分析—以泰坦尼克号数据集为例（第1部分）
泰坦尼克数据集预测分析 Imagine your group of friends have decided to spend the vacations by travelling to an am ...
泰坦尼克数据集预测分析_探索性数据分析-泰坦尼克号数据集案例研究（第二部分）
泰坦尼克数据集预测分析 Data is simply useless until you don't know what it's trying to tell you. 除非您不知道数据在试图告诉您 ...
头哥教学平台-泰坦尼克号生还预测
第2关填充缺失值 import pandas as pd import numpy as npdef process_nan_value(data):'''处理data中缺失值,有缺失值的特征为`A ...
【头歌】科比投篮预测——可视化与探索性数据分析（一）
第1关:投篮位置 import matplotlib.pyplot as plt import pandas as pd pd.set_option('display.max_columns', 10 ...
科比投篮预测——可视化与探索性数据分析（二）
第1关:射击精准度本关任务:绘制一个散点图,表示不同进攻方式与命中率之间的关系,具体图形示例请查看测试说明. import pandas as pd import matplotlib.pyplot ...
科比投篮预测——可视化与探索性数据分析（一）
第1关:投篮位置本关任务:从数据中,我们无法看出特征lat,lon和loc_x,loc_y的区别,所以我们绘制一个一行两列的两个散点图,表示loc_x,loc_y,lat,lon的关系. impor ...
kaggle房价预测特征意思_机器学习-kaggle泰坦尼克生存预测（一）-数据清洗与特征构建...
1.背景: 1.1 关于kaggle: 谷歌旗下的 Kaggle 是一个数据建模和数据分析竞赛平台.该平台是当下最流行的数据科研赛事平台,其组织的赛事受到全球数据科学爱好者追捧. 如果学生能够在该平台 ...
kaggle竞赛：泰坦尼克幸存者预测
kaggle竞赛:泰坦尼克幸存者预测--(一) import pandas as pd import numpy as np import matplotlib.pyplot as plt impor ...

头哥教学平台-泰坦尼克生还预测-可视化与探索性数据分析

头哥教学平台-泰坦尼克生还预测-可视化与探索性数据分析相关推荐

最新文章

热门文章