---

데이터의 개별 속성 파악하기

---

1. Survived Column

• 생존자, 사망자 수 파악

titanic_df['Survived'].value_counts()

0    549
1    342
Name: Survived, dtype: int64

• 생존자수와 사망자수를 Barplot 으로 그려보기 sns.countplot()

sns.countplot(x = 'Survived', data = titanic_df)
plt.show()

---

2. Pclass

• Pclass에 따른 인원 파악

titanic_df[['Pclass', 'Survived']].groupby(['Pclass']).count()

• Pclass 별 생존자 파악

titanic_df[['Pclass', 'Survived']].groupby(['Pclass']).sum()

• 생존자 비율

titanic_df[['Pclass', 'Survived']].groupby(['Pclass']).mean()

• 히트맵을 활용한 생존자 비율 시각화

sns.heatmap(titanic_df[['Pclass', 'Survived']].groupby(['Pclass']).mean())
plt.plot()

---

3. Sex

• 성별에 따른 생존자 파악

titanic_df.groupby(['Sex', 'Survived'])['Survived'].count()

Sex     Survived
female  0            81
        1           233
male    0           468
        1           109
Name: Survived, dtype: int64

• sns.catplot을 이용한 성별에 다른 생존자 비율 시각화

sns.catplot(x = 'Sex', col = 'Survived', kind = 'count', data = titanic_df)
plt.show()

---

4. Age

• Remind : 결측치 존재

• 탑승자의 연령 통계 파악

titanic_df.describe()['Age']

count    714.000000
mean      29.699118
std       14.526497
min        0.420000
25%       20.125000
50%       28.000000
75%       38.000000
max       80.000000
Name: Age, dtype: float64

• 나이대와 생잔자수의 관계성 파악

fig, ax = plt.subplots(1,1,figsize = (10,5))

sns.kdeplot(x = titanic_df[titanic_df.Survived == 1]['Age'], ax = ax)
sns.kdeplot(x = titanic_df[titanic_df.Survived == 0]['Age'], ax = ax)

plt.legend(['Survived', 'Dead'])
plt.show()

---

Appendix 1. Sex + Pclass vs Survived

• 성별에 따른 객실 등급별 생존자 수 추이 파악

sns.catplot(x = 'Pclass', y = 'Survived', hue = 'Sex', kind = 'point', data = titanic_df)
plt.show()

---

Appendix 2. Age + Pclass

• 객실 등급별 연령대 분포 확인

titanic_df['Age'][titanic_df.Pclass == 1]. plot(kind = 'kde')
titanic_df['Age'][titanic_df.Pclass == 2]. plot(kind = 'kde')
titanic_df['Age'][titanic_df.Pclass == 3]. plot(kind = 'kde')

plt.legend(['1st class', '2nd class', '3rd class'])
plt.show()

---