kaggle入门项目：Titanic存亡预测（三）数据可视化与统计分析

---恢复内容开始---

原kaggle比赛地址：https://www.kaggle.com/c/titanic

原kernel地址：A Data Science Framework: To Achieve 99% Accuracy

Step 4: Perform Exploratory Analysis with Statistics

使用描述性与图表分析数据，重点在于数据可视化，突出数据类别与不同feature的关联性

简单的groupby()获得不同feature对于生存率的影响

箱型图与柱状图绘制。

箱型图：plt.boxplot()，清晰表示数据的集中程度、离群点、中位数的位置。

柱状图plt.hist()，表示每个feature的不同值/分类的Survived数量。

seaborn 的barplot展示的是某feature的平均值，是数值变量的集中趋势

pointplot()：数值变量的中心趋势估计，并使用误差线提供关于该估计的不确定性的一些指示。

violinplot()：小提琴图显示数据分布及其概率密度。

因为性别因素对是否生还造成很大影响，因此我们将性别和其他feature联合绘图比较，看看是否有什么新发现：

然后是其他feature的比较图：

 不同船舱等级和性别对生还率的影响：

不同年龄的连续生还曲线：

直方图比较性别、年龄、船舱等级：

微妙的看出低等仓与中等舱的男性大批死亡。头等舱的女性几乎全部生还。

pairplot()多变量图将所有的feature交叉绘图，隐含feature之间的关联性。

heatmap()热力图，反应feature之间的关联度：