Учебно-методические комплексы

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns



# Загрузка данных

df = pd.read_csv('titanic.csv')

print("Размер датасета:", df.shape)

print("Первые 5 строк:")

print(df.head())

print("Типы данных:")

print(df.dtypes)

print("Статистика по числовым колонкам:")

print(df.describe())

# 1. Удаление ненужных столбцов

df_clean = df.drop(['PassengerId', 'Name', 'Ticket', 'Cabin'], axis=1)

print("После удаления столбцов:", df_clean.shape)



# 2. Обработка пропусков

print("Пропуски до обработки:")

print(df_clean.isnull().sum())



# Заполняем Age средним

df_clean['Age'] = df_clean['Age'].fillna(df_clean['Age'].mean())



# Заполняем Embarked модой

df_clean['Embarked'] = df_clean['Embarked'].fillna(df_clean['Embarked'].mode()[0])



print("Пропуски после обработки:")

print(df_clean.isnull().sum())



# 3. Преобразование типов

df_clean['Survived'] = df_clean['Survived'].astype('category')

df_clean['Pclass'] = df_clean['Pclass'].astype('category')

df_clean['Sex'] = df_clean['Sex'].astype('category')

# Вопрос 1: Какова общая выживаемость?

total_survival = df_clean['Survived'].mean()

print(f"Общая выживаемость: {total_survival:.2%}")



# Вопрос 2: Выживаемость по полу

survival_sex = df_clean.groupby('Sex')['Survived'].mean()

print("Выживаемость по полу:")

print(survival_sex)



# Вопрос 3: Выживаемость по классу

survival_class = df_clean.groupby('Pclass')['Survived'].mean()

print("Выживаемость по классу:")

print(survival_class)



# Вопрос 4: Выживаемость по полу и классу

survival_sex_class = df_clean.groupby(['Pclass', 'Sex'])['Survived'].mean()

print("Выживаемость по классу и полу:")

print(survival_sex_class)



# Вопрос 5: Средний возраст выживших и погибших

age_survival = df_clean.groupby('Survived')['Age'].mean()

print("Средний возраст по выживаемости:")

print(age_survival)

plt.style.use('seaborn-v0_8-darkgrid')

fig, axes = plt.subplots(2, 2, figsize=(14, 10))



# График 1: Выживаемость по полу

survival_sex.plot(kind='bar', ax=axes[0,0], color=['pink', 'lightblue'])

axes[0,0].set_title('Выживаемость по полу')

axes[0,0].set_xlabel('Пол')

axes[0,0].set_ylabel('Доля выживших')

axes[0,0].set_ylim(0, 1)



# График 2: Выживаемость по классу

survival_class.plot(kind='bar', ax=axes[0,1], color=['gold', 'silver', '#cd7f32'])

axes[0,1].set_title('Выживаемость по классу билета')

axes[0,1].set_xlabel('Класс')

axes[0,1].set_ylabel('Доля выживших')

axes[0,1].set_ylim(0, 1)



# График 3: Тепловая карта (пол и класс)

pivot = df_clean.pivot_table(index='Pclass', columns='Sex', values='Survived', aggfunc='mean')

sns.heatmap(pivot, annot=True, cmap='RdYlGn', vmin=0, vmax=1, ax=axes[1,0])

axes[1,0].set_title('Выживаемость: класс vs пол')



# График 4: Распределение возраста выживших и погибших

df_clean[df_clean['Survived'] == 0]['Age'].hist(bins=20, alpha=0.5, label='Погибшие', ax=axes[1,1])

df_clean[df_clean['Survived'] == 1]['Age'].hist(bins=20, alpha=0.5, label='Выжившие', ax=axes[1,1])

axes[1,1].set_title('Распределение возраста')

axes[1,1].set_xlabel('Возраст')

axes[1,1].set_ylabel('Количество')

axes[1,1].legend()



plt.tight_layout()

plt.show()

# Выбираем числовые колонки

numeric_cols = ['Survived', 'Age', 'SibSp', 'Parch', 'Fare']

# Преобразуем Survived обратно для корреляции

df_corr = df_clean.copy()

df_corr['Survived'] = df_corr['Survived'].astype(int)

df_corr['Pclass'] = df_corr['Pclass'].astype(int)



# Корреляционная матрица

corr_matrix = df_corr[numeric_cols + ['Pclass']].corr()

print("Корреляционная матрица:")

print(corr_matrix)



# Тепловая карта корреляции

plt.figure(figsize=(8, 6))

sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt='.2f', linewidths=0.5)

plt.title('Корреляция между признаками')

plt.show()



# Анализ корреляции с выживаемостью

print("Корреляция с выживаемостью:")

for col in ['Pclass', 'Age', 'Fare', 'SibSp', 'Parch']:

    corr = corr_matrix.loc[col, 'Survived']

    print(f"{col}: {corr:.3f}")

# Задание: ответьте на один из вопросов

# 1. Влияет ли размер семьи (SibSp + Parch) на выживаемость?

df_clean['family_size'] = df_clean['SibSp'] + df_clean['Parch']

family_survival = df_clean.groupby('family_size')['Survived'].mean()

print("Выживаемость по размеру семьи:")

print(family_survival)



# 2. Как порт посадки влияет на выживаемость?

port_survival = df_clean.groupby('Embarked')['Survived'].mean()

print("Выживаемость по порту посадки:")

print(port_survival)



# 3. Есть ли разница в цене билета между выжившими и погибшими?

fare_survival = df_clean.groupby('Survived')['Fare'].mean()

print("Средняя цена билета:")

print(fare_survival)