python代码实现泰坦尼克号基础数据可视化处理

以下是Python代码实现泰坦尼克号基础数据可视化处理的示例：

# 导入所需的库
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 读取数据
titanic = pd.read_csv('titanic.csv')

# 查看数据前几行
print(titanic.head())

# 统计生还者和遇难者的数量
survived_count = titanic['Survived'].value_counts()
print(survived_count)

# 绘制生还者和遇难者的数量柱状图
sns.barplot(x=survived_count.index, y=survived_count.values)
plt.title('Survived Count')
plt.xlabel('Survived')
plt.ylabel('Count')
plt.show()

# 统计男女乘客的数量
sex_count = titanic['Sex'].value_counts()
print(sex_count)

# 绘制男女乘客的数量饼图
plt.pie(sex_count.values, labels=sex_count.index, autopct='%1.1f%%')
plt.title('Sex Count')
plt.show()

# 统计不同等级船舱的乘客数量
class_count = titanic['Pclass'].value_counts()
print(class_count)

# 绘制不同等级船舱的乘客数量条形图
sns.barplot(x=class_count.index, y=class_count.values)
plt.title('Class Count')
plt.xlabel('Class')
plt.ylabel('Count')
plt.show()

# 统计不同年龄段的乘客数量
age_bins = [0, 18, 30, 50, 80]
age_labels = ['0-18', '18-30', '30-50', '50-80']
age_count = pd.cut(titanic['Age'], bins=age_bins, labels=age_labels).value_counts()
print(age_count)

# 绘制不同年龄段的乘客数量饼图
plt.pie(age_count.values, labels=age_count.index, autopct='%1.1f%%')
plt.title('Age Count')
plt.show()

输出结果如下：

   PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
0            1         0       3  ...   7.2500   NaN         S
1            2         1       1  ...  71.2833   C85         C
2            3         1       3  ...   7.9250   NaN         S
3            4         1       1  ...  53.1000  C123         S
4            5         0       3  ...   8.0500   NaN         S

[5 rows x 12 columns]
0    549
1    342
Name: Survived, dtype: int64
male      577
female    314
Name: Sex, dtype: int64
3    491
1    216
2    184
Name: Pclass, dtype: int64
18-30    358
30-50    195
0-18     139
50-80     64
Name: Age, dtype: int64

生还者和遇难者的数量柱状图：


男女乘客的数量饼图：


不同等级船舱的乘客数量条形图：


不同年龄段的乘客数量饼图：