[데이터 분석실습]타이타닉 데이터

### 타이타닉 데이터를 통해서 여러 데이터 전처리 과정을 익힌다.

 

1) 데이터 불러오기

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt

owner = 'datasciencedojo'
repo='datasets'
branch='master'
file_path='titanic.csv'


df=pd.read_csv(f'https://raw.githubusercontent.com/{owner}/{repo}/{branch}/{file_path}')
df

2)  데이터 전처리

1) 데이터 타입변경

## Survived , Pclass는 범주형 변수이므로 str type으로 변경함
df['Survived'] = df['Survived'].astype(str)
df['Pclass'] = df['Pclass'].astype(str)
df.info()

 

df.describe(include='all').T

 

2) 데이터 분석

## Pclass 변수 분석
grouped = df.groupby('Pclass',as_index=False)
grouped.size()

-> 3등급에 있는 사람들이 491명으로 제일 많음

 

## subplot 생성
mpl.rc('font',size=13)
figure , axes = plt.subplots(nrows=1 , ncols=2)
plt.tight_layout()
figure.set_size_inches(11,5)

## Fare요금
sns.histplot(data=df, x='Fare', bins=10 , ax=axes[0])


##Boxplt Survived에 따른 Fare 값의 분포
data_0 = df.loc[df['Survived']==0,'Fare']
data_1=df.loc[df['Survived']==1,'Fare']

sns.boxplot(x='Survived' ,y='Fare',data=df, hue='Sex', ax=axes[1])

--> Pclass의 이상치 제거 필요함

 

## Sex 변수 분석
# 빈도수 계산
grouped = df.groupby('Sex')
print(grouped.size())


##  성별 생존자 수
df.groupby(['Survived','Sex'],as_index=False).agg(
    count_survived=('Sex','count')
)