Pandas_06. 타이타닉

In [1]:

import numpy as np
import pandas as pd

csv 데이타 파일 읽어오기¶

데이타프레임이름 = pd.read_csv(dataFile경로, index_col='인덱스로사용할컬럼')
데이타프레임이름.shape : 구조 확인

In [49]:

train = pd.read_csv('data/train.csv',index_col='PassengerId')
train.shape

Out[49]:

(891, 11)

데이타프레임에서 앞과 뒤에 갯수 정해서 표시하기¶

데이타프레임명.head() : 5개 
데이타프레임명.tail() : 5개 
데이타프레임명.head(숫자)
데이타프레임명.tail(숫자)

In [9]:

train.tail()

Out[9]:

	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
PassengerId
887	0	2	Montvila, Rev. Juozas	male	27.0	0	0	211536	13.00	NaN	S
888	1	1	Graham, Miss. Margaret Edith	female	19.0	0	0	112053	30.00	B42	S
889	0	3	Johnston, Miss. Catherine Helen "Carrie"	female	NaN	1	2	W./C. 6607	23.45	NaN	S
890	1	1	Behr, Mr. Karl Howell	male	26.0	0	0	111369	30.00	C148	C
891	0	3	Dooley, Mr. Patrick	male	32.0	0	0	370376	7.75	NaN	Q

컬럼 정보 확인하기¶

• PassengerId : 승객 번호
• Survived : 생존여부(1: 생존, 0 : 사망)
• Pclass : 승선권 클래스(1 : 1st, 2 : 2nd ,3 : 3rd)
• Name : 승객 이름
• Sex : 승객 성별
• Age : 승객 나이
• SibSp : 동반한 형제자매, 배우자 수
• Patch : 동반한 부모, 자식 수
• Ticket : 티켓의 고유 넘버
• Fare 티켓의 요금
• Cabin : 객실 번호
• Embarked : 승선한 항구명(C : Cherbourg, Q : Queenstown, S : Southampton)

In [5]:

train.columns

Out[5]:

Index(['Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp', 'Parch', 'Ticket',
       'Fare', 'Cabin', 'Embarked'],
      dtype='object')

전체 갯수¶

len(데이타프레임이름)

In [6]:

len(train)

Out[6]:

891

컬럼의 데이터형 확인하기¶

In [7]:

train.dtypes

Out[7]:

Survived      int64
Pclass        int64
Name         object
Sex          object
Age         float64
SibSp         int64
Parch         int64
Ticket       object
Fare        float64
Cabin        object
Embarked     object
dtype: object

각 객실 등급별 분포 수 알아보기¶

데이타프레임[컬럼명].value_counts()

train['Pclass'].value_counts()

1등칸 객실 승객 10명 추출¶

train[train['Pclass'] == 1].head(10)

1등칸 객실 승객의 생존 리스트¶

train[(train['Pclass'] == 1) & (train['Survived'] == 1)].head()

1등칸 객실 승객의 생존자 수는?¶

In [23]:

# 1등칸 객실 승객의 생존자 수 
result = train[(train['Pclass'] == 1) & (train['Survived'] == 1)]
result.head(3)

Out[23]:

	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
PassengerId
2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
12	1	1	Bonnell, Miss. Elizabeth	female	58.0	0	0	113783	26.5500	C103	S

In [24]:

len(result)

Out[24]:

136

3등칸 객실 남자 승객의 생존자 수는?¶

In [25]:

# 성별 컬럼 구성요소 확인하기
train['Sex'].value_counts()

Out[25]:

male      577
female    314
Name: Sex, dtype: int64

In [26]:

# 3등칸 객실 남자 승객의 생존자 수 
result = train[(train['Pclass'] == 3) & (train['Survived'] == 1) & (train['Sex'] == 'male')]

In [27]:

result.head()

Out[27]:

	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
PassengerId
37	1	3	Mamee, Mr. Hanna	male	NaN	0	0	2677	7.2292	NaN	C
66	1	3	Moubarek, Master. Gerios	male	NaN	1	1	2661	15.2458	NaN	C
75	1	3	Bing, Mr. Lee	male	32.0	0	0	1601	56.4958	NaN	S
82	1	3	Sheerlinck, Mr. Jan Baptist	male	29.0	0	0	345779	9.5000	NaN	S
108	1	3	Moss, Mr. Albert Johan	male	NaN	0	0	312991	7.7750	NaN	S

In [28]:

len(result)

Out[28]:

47

전체 생존률 구하기¶

(생존자수/전체승객인원)*100

len(train[train['Survived'] == 1])

len(train)

(len(train[train['Survived'] == 1])/len(train))*100

round(숫자, 소수점자리수)¶

round((len(train[train['Survived'] == 1])/len(train))*100, 3)

퀴즈¶

1. 여자 생존자수 ? 남자 생존자수 ?
2. 남자와 여자의 생존률 구하기
3. 1등칸의 생존률 구하기

In [ ]:

In [43]:

# 여자 생존자수
result_female = train[(train['Sex'] == 'female') & (train['Survived'] == 1)]
print('여자 생존자수 : ', len(result_female))

# 남자 생존자수
result_male = train[(train['Sex'] == 'male') & (train['Survived'] == 1)]
print('남자 생존자수 : ', len(result_male))

여자 생존자수 :  233
남자 생존자수 :  109

In [ ]:

train['Sex'].value_counts()

In [ ]:

len(train[train['Sex'] == 'female'])

In [ ]:

len(train[train['Sex'] == 'male'])

In [44]:

# 남자와 여자의 생존률 구하기 

print('여자 : ', (len(result_female)/len(train[train['Sex'] == 'female']))*100, '%')
print('남자 : ', (len(result_male)/len(train[train['Sex'] == 'male']))*100, '%')

여자 :  74.20382165605095 %
남자 :  18.890814558058924 %

In [45]:

# 1등칸의 생존률 구하기 

print('1등칸 생존률 : ', 
      round((len(train[(train['Pclass'] == 1) & (train['Survived'] == 1)])
            /len(train[train['Pclass'] == 1])) * 100, 2), '%')

1등칸 생존률 :  62.96 %

결측값(NaN) 확인하기¶

In [20]:

# 결측값(NaN) 이면 True
train['Age'].isnull().head()

Out[20]:

PassengerId
1    False
2    False
3    False
4    False
5    False
Name: Age, dtype: bool

In [22]:

train.head()

Out[22]:

	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
PassengerId
1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

In [50]:

# Age 컬럼값에서 결측값(NaN) 총 갯수 확인하기 
len(train[train['Age'].isnull()])

Out[50]:

177

In [63]:

# Age 컬럼값이 결측값(NaN)인 행 추출 5개만 표시 
train[train['Age'].isnull()].head()

Out[63]:

	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
PassengerId

'Age' 컬럼의 결측값(NaN)을 평균값으로 대체하기¶

In [65]:

# 평균값
age_avr = round(train['Age'].mean(),2)
age_avr

Out[65]:

29.7

In [66]:

# 평균값을 'Age' 컬럼의 NaN으로 교체
train.loc[train['Age'].isnull(), 'Age'] = age_avr

In [67]:

# Age 컬럼값에서 결측값(NaN) 총 갯수 확인하기 
len(train[train['Age'].isnull()])

Out[67]:

0

Quiz¶

1) 'Cabin' 결측값 NaN 을 공백으로 교체하기

2) 'Embarked'컬럼에서 아래와 같이 데이터값을 교체한다.
C -> France
Q -> New Zealand
S -> England

In [57]:

len(train.loc[train['Cabin'].isnull()])

Out[57]:

687

In [58]:

train.loc[train['Cabin'].isnull(), 'Cabin'] = " "

In [59]:

len(train.loc[train['Cabin'].isnull()])

Out[59]:

0

In [61]:

train.loc[train['Embarked']=='C', 'Embarked'] = "France"
train.loc[train['Embarked']=='Q', 'Embarked'] = "New Zealand"
train.loc[train['Embarked']=='S', 'Embarked'] = "England"

In [62]:

train[['Name','Embarked']].head(7)

Out[62]:

	Name	Embarked
PassengerId
1	Braund, Mr. Owen Harris	England
2	Cumings, Mrs. John Bradley (Florence Briggs Th...	France
3	Heikkinen, Miss. Laina	England
4	Futrelle, Mrs. Jacques Heath (Lily May Peel)	England
5	Allen, Mr. William Henry	England
6	Moran, Mr. James	New Zealand
7	McCarthy, Mr. Timothy J	England

In [ ]:

In [ ]: