pandas实例-Visualization-Titanic_D

继续前面的练习，之前的文章参考：

• pandas实例-了解你的数据-Chipotle
• pandas实例-筛选与排序-Chipotle
• pandas实例-数据可视化-Chipotle
• pandas实例-了解你的数据-Occupation
• pandas实例-筛选与过滤-Euro 12
• pandas实例-筛选与过滤-Fictional Army
• pandas实例-聚合-Alcohol Consumption
• pandas实例-聚合-Occupation
• pandas实例-聚合-Regiment
• pandas实例-Apply-Student Alcohol Consumption
• pandas实例-Apply-Crime Rates
• pandas实例-Merge-MPG Cars
• pandas实例-Merge-Fictitious Names
• pandas实例-merge-House Market
• pandas实例-Stats-US_Baby_Names
• pandas实例-Stats-Wind Statistics

---

接下来的几篇是关于可视化的

这一篇是关于Titanic的，使用的也是Titanic的数据集

df = pd.read_csv(data_path , sep=',')

一共891条记录，12列

1. Set PassengerId as the index

重置索引

df.set_index('PassengerId' , inplace=True)
df.head()

2. Create a pie chart presenting the male/female proportion

绘制饼图

g = df.groupby('Sex')[['Sex']].count() / df['Sex'].count()

ax = g.plot.pie(y='Sex' , autopct='%.2f%%')
ax.legend(loc='upper left')

这里有两点，一个是怎样将计算性别的占比，另一个是怎样使用饼图来展示

3. Create a scatterplot with the Fare payed and the Age, differ the plot color by gender

绘制散点图，这个直接使用pandas话就有点儿麻烦了
所以，来看看最近学习的seaborn吧，参考：

• seaborn实例 - relplot - 散点图

sns.relplot(x='Age' , y='Fare' , hue='Sex' , data=df)

4. How many people survived?

df['Survived'].value_counts()

5. Create a histogram with the Fare payed

这回是一个直方图

pandas.DataFrame.plot.hist

df['Fare'].plot.hist(by='Fare')

这里默认的箱数是10

这是直方图，我就顺便看了下，这个Fare分布情况

df['Fare'].sort_values().reset_index(drop=True).plot.line()

好了，主要还是练习可视化的使用，收工先。