kaggle入門項目：Titanic存亡預測（三）數據可視化與統計分析

---恢復內容開始---

原kaggle比賽地址：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

使用描述性與圖表分析數據，重點在于數據可視化，突出數據類別與不同feature的關聯性

簡單的groupby()獲得不同feature對于生存率的影響

箱型圖與柱狀圖繪制。

箱型圖：plt.boxplot()，清晰表示數據的集中程度、離群點、中位數的位置。

柱狀圖plt.hist()，表示每個feature的不同值/分類的Survived數量。

seaborn 的barplot展示的是某feature的平均值，是數值變量的集中趨勢

pointplot()：數值變量的中心趨勢估計，并使用誤差線提供關于該估計的不確定性的一些指示。

violinplot()：小提琴圖顯示數據分布及其概率密度。

因為性別因素對是否生還造成很大影響，因此我們將性別和其他feature聯合繪圖比較，看看是否有什么新發現：

然后是其他feature的比較圖：

?不同船艙等級和性別對生還率的影響：

不同年齡的連續生還曲線：

直方圖比較性別、年齡、船艙等級：

微妙的看出低等倉與中等艙的男性大批死亡。頭等艙的女性幾乎全部生還。

pairplot()多變量圖將所有的feature交叉繪圖，隱含feature之間的關聯性。

heatmap()熱力圖，反應feature之間的關聯度：

?