泰坦尼克号桑基图

我是社区第139487位番薯,欢迎点我头像关注我哦~

1、项目简介

泰坦尼克号的沉没是世界上最严重的海难事故之一。1912年4月15日,在她的处女航中,被广泛认为“永不沉没”的皇家邮轮泰坦尼克号在与冰山相撞后沉没。不幸的是,船上没有足够的救生艇,导致2224名乘客和船员中的1502人死亡。

泰坦尼克号数据集为1912年泰坦尼克号沉船事件中相关人员的个人信息以及存活状况。包含了2224名乘客和船员的姓名、性别、年龄、船票等级、船票价格、船舱号、登船港口、生存情况等信息。这些历史数据已经被分为训练集和测试集,我们可以根据训练集训练出合适的模型并预测测试集中的存活状况。

2、数据集

数据集来源:https://www.kaggle.com/c/titanic

这里使用泰坦尼克号数据集的训练集(titanic_train.csv)进行数据分析。

泰坦尼克号数据集的训练集有891个样本,12个特征和标签

数据集的属性信息如下:

 

特征/标签

说明

PassengerId

乘客编号

Survived

是否幸存,1是,0否

Pclass

船舱等级,1(一等)、2(二等)、3(三等)

Name

乘客姓名

Sex

乘客性别

Age

乘客年龄

SibSp

与乘客同行的兄弟姐妹及配偶人数

Parch

与乘客同行的父母及子女人数

Ticket

船票编号

Fare

船票价格

Cabin

乘客座位号

Embarked

乘客登船码头,C(Cherbourg瑟堡)、Q(Queenstown昆士敦)、S(Southampton南安普顿

3、数据处理

3.1 导入数据

选择PassengerId 、Survived、Pclass 、Sex、Age 、Embarked 等6个特征,并把PassengerId 、Survived、Pclass设置为“文本型”。

 

3.2 过滤

过滤掉Age 、Embarked为空的记录,剩余712条记录。

 

 

 

 

3.3新增赋值列

新增“是否生存”、“船舱等级”、“性别”、“登船码头”等赋值列。

 

 

 

 

 

 

 

新增“年龄”赋值列,对age分段赋值。

 

 

选取新生成的字段。

 

3.4 分组汇总

按“登船码头”、“船舱等级”分组,PassengerId去重计数

 

 

修改字段名分别为”起点“、”终点“、”人数“,另存为“港口-客舱等级”。

 

 

同样方法,分别对“客舱等级”、“性别”汇总,另存为“客舱等级-性别”

对“性别”、“年龄”汇总,另存为“性别-年龄”

对“年龄”、“是否生存”汇总,另存为“年龄-生存”

3.5 上下合并

对“港口-客舱等级”、“客舱等级-性别”、“性别-年龄”、“年龄-生存”进行上下合并,得到新表。

 

 

4 桑基图组件

新建“桑基图”组件,在图形属性中设置“起点”、“终点”、“大小”和“颜色”。

 

 

在仪表板上添加组件即可。

参与人数 +1 F币 +20 理由
苏瑞 + 20 【2024原创内容激励奖励】给你32个赞!

查看全部评分

发表于 2024-5-13 21:10:06
图片全没了。转发的吧?
发表于 2024-5-16 16:08:27

您好,您可以点击帖子下方“编辑”功能,并在编辑器最左侧点击您需要标题类型,即可修改正文字体字号段落格式。

 

发表于 2024-5-21 10:56:50
您好,感谢您对本次 [原创内容激励计划] 的积极参与。此次您的原创帖子主要介绍桑基图的制作,针对一个数据集清洗过滤、分组汇总、制图。主要介绍数据处理过程,内容较为单一,流程较为简单,而且整个格式流程有些杂乱。您可以调整一下帖子正文内容格式,并适当标出侧重点,同时可以在原创图文中标注一下各项内容,便于查看。再次诚挚地感谢您的发帖,热切期待您在本计划中的下一次精彩发文~
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表