泰坦尼克号数据集做假设,并用描述性统计、统计推断、建模来分析附有python代码

时间: 2023-08-18 10:09:22 浏览: 52
好的,以下是使用 Python 进行泰坦尼克号数据集分析的示例代码。 1. 描述性统计分析 首先,我们可以使用 Pandas 库读取数据并计算乘客的生还率、年龄、船票等级和性别的平均值、中位数和众数。 ```python import pandas as pd # 读取数据 df = pd.read_csv('titanic.csv') # 计算生还率 survival_rate = df['Survived'].mean() print(f"Survival rate: {survival_rate:.2f}") # 计算年龄的平均值、中位数和众数 age_mean = df['Age'].mean() age_median = df['Age'].median() age_mode = df['Age'].mode() print(f"Age mean: {age_mean:.2f}") print(f"Age median: {age_median:.2f}") print(f"Age mode: {age_mode.values[0]}") # 计算船票等级、性别的平均值、中位数和众数 pclass_mode = df['Pclass'].mode() sex_mode = df['Sex'].mode() print(f"Pclass mode: {pclass_mode.values[0]}") print(f"Sex mode: {sex_mode.values[0]}") ``` 2. 统计推断分析 其次,我们可以使用 Scipy 库进行假设检验,确定性别、年龄、船票等级和登船港口与生还率之间是否存在显著差异。 ```python import scipy.stats as stats # 检验性别与生还率之间是否存在显著差异 male_survival = df[df['Sex'] == 'male']['Survived'] female_survival = df[df['Sex'] == 'female']['Survived'] t_stat, p_val = stats.ttest_ind(male_survival, female_survival) print(f"Sex and survival rate: t-statistic={t_stat:.2f}, p-value={p_val:.4f}") # 检验年龄与生还率之间是否存在显著差异 survived_age = df[df['Survived'] == 1]['Age'].dropna() not_survived_age = df[df['Survived'] == 0]['Age'].dropna() t_stat, p_val = stats.ttest_ind(survived_age, not_survived_age) print(f"Age and survival rate: t-statistic={t_stat:.2f}, p-value={p_val:.4f}") # 检验船票等级与生还率之间是否存在显著差异 pclass_survival = df.groupby('Pclass')['Survived'].mean() chi2, p_val, dof, expected = stats.chi2_contingency([pclass_survival.values, [1-p for p in pclass_survival.values]]) print(f"Pclass and survival rate: chi2-statistic={chi2:.2f}, p-value={p_val:.4f}") # 检验登船港口与生还率之间是否存在显著差异 embarked_survival = df.groupby('Embarked')['Survived'].mean() chi2, p_val, dof, expected = stats.chi2_contingency([embarked_survival.values, [1-p for p in embarked_survival.values]]) print(f"Embarked and survival rate: chi2-statistic={chi2:.2f}, p-value={p_val:.4f}") ``` 3. 建模分析 最后,我们可以使用 Scikit-learn 库构建一个预测模型,该模型可以预测乘客是否生还。我们可以使用交叉验证方法来评估模型的性能,并使用特征重要性方法来确定哪些因素对预测结果的影响最大。 ```python import numpy as np from sklearn.model_selection import cross_val_score from sklearn.ensemble import RandomForestClassifier # 数据预处理 df = df[['Survived', 'Sex', 'Age', 'Pclass', 'Embarked']] df = df.dropna() df['Sex'] = df['Sex'].apply(lambda x: 1 if x == 'male' else 0) df['Embarked'] = df['Embarked'].apply(lambda x: ord(x) - 65) # 构建模型 X = df[['Sex', 'Age', 'Pclass', 'Embarked']].values y = df['Survived'].values clf = RandomForestClassifier() scores = cross_val_score(clf, X, y, cv=5) # 输出交叉验证结果和特征重要性 print(f"Cross-validation scores: {np.mean(scores):.2f}") clf.fit(X, y) print(f"Feature importance: {clf.feature_importances_}") ``` 以上代码仅供参考,具体分析方法和结果可能因数据集和分析目的而异。

相关推荐

最新推荐

recommend-type

利用Python+matplotlib对泰坦尼克号进行数据分析

主要分析有数据接:https://pan.baidu.com/s/1jn88GiOr7uWA8BDQocFXxg 密码: s0e0不同舱位等级中幸存者和遇难者的乘客比例不同性别的幸存比例幸存和遇难...首先做准备(导入库,读入数据集) import matplotlib.pypl
recommend-type

任务三、titanic数据集分类问题

任务说明:分别用下列方法完成titanic数据集分类,给分析每种方法参数设置、方法优缺点分析 logistic回归 决策树 SVM 神经网络
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

python中从Excel中取的列没有了0

可能是因为Excel中的列被格式化为数字,而数字前导的0被省略了。可以在Excel中将列的格式更改为文本,这样就会保留数字前导的0。另外,在Python中读取Excel时,可以将列的数据类型指定为字符串,这样就可以保留数字前导的0。例如: ```python import pandas as pd # 读取Excel文件 df = pd.read_excel('data.xlsx', dtype={'列名': str}) # 输出列数据 print(df['列名']) ``` 其中,`dtype={'列名': str}`表示将列名为“列名”的列的数据类型指定为字符串。