데이터 탐색적 분석EDA- Titanic

먼저 모듈 하나를 다운 받고 시작한다.

pip install plotly_express

python 라이브러리에 데이터 시각화 모듈이다.
그런데 seaborn 을 사용하지 않고 왜 이걸 사용하지? 의문이 들었다.

어떤 시각화, 어떤 분석이 진행되냐에 따라서 선택적으로 사용하면 되는 것 같다.

Seaborn은 주로 정적 데이터 시각화에 사용되고, Plotly Express는 인터랙티브 데이터 시각화와 다양한 그래프 유형을 사용할 때 유용하다고 한다!

good!

이제 본론으로 들어가자

1. 타이타닉 데이터 불러오기

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

titanic_url = 'https://raw.githubusercontent.com/PinkWink/ML_tutorial/master/dataset/titanic.xls'

titanic = pd.read_excel(titanic_url)
titanic.head()

---

2. value_counts()

특정 피쳐의 value 값을 각각 카운트 해주는 함수이다.

titanic['survived'].value_counts()

---

3. value_counts() 시각화해서 확인하기

titanic['survived'].value_counts().plot.pie(autopct='%1.2f%%')

matplotlib 라이브러리를 활용해서 진행했다.

만약 pit() 괄호안을 비워두면 숫자는 뜨지 않는다. 좀 더 가시화하기위해서 소수점 2째자리까지 나오도록 해주었다. 면적을 비교하면서도 수치를 정확히 주어 명확한 의사전달이 가능해 진다.

몇 가지 옵션을 더 추가해 보자.

---

4. 다양한 옵션들

1) shadow : 그림자 효과
2) explode : 구간의 섹션을 떨어트리는 거리

titanic['survived'].value_counts().plot.pie(autopct='%1.2f%%', shadow=True, explode=[0, 0.05])

---

5. 그림 2개 한 번에 그리기

f, ax = plt.subplots(1,2, figsize=(18,8)) # 1행 2열의 그래프를 만들고, 전체 그래프의 크기를 가로 18인치, 세로 8인치로 설정

f, ax = plt.subplots(1,2, figsize=(18,8)) # 1행 2열의 그래프를 만들고, 전체 그래프의 크기를 가로 18인치, 세로 8인치로 설정

titanic['survived'].value_counts().plot.pie(ax=ax[0], autopct='%1.2f%%', shadow=True, explode=[0, 0.05])

---

6. 오른쪽에 seaborn 으로 countplot 그려주기

f, ax = plt.subplots(1,2, figsize=(18,8)) # 1행 2열의 그래프를 만들고, 전체 그래프의 크기를 가로 18인치, 세로 8인치로 설정

titanic['survived'].value_counts().plot.pie(ax=ax[0], autopct='%1.2f%%', shadow=True, explode=[0, 0.05])
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')

7. 성별에 따른 생존현황

# 성별에 따른 생존 현황


f, ax = plt.subplots(1,2, figsize=(18,8)) # 1행 2열의 그래프를 만들고, 전체 그래프의 크기를 가로 18인치, 세로 8인치로 설정

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')

plt.show()

인사이트 : 남성의 생존 가능성이 더 낮다