设为首页 加入收藏

TOP

Titanic生存分析(三)
2018-12-06 16:09:35 】 浏览:323
Tags:Titanic 生存 分析
c['遇难',:] b=fare_perc.loc['存活',:] ax1.barh(y,a,label='遇难',height=0.5,color='#C0C0C0') ax1.barh(y,b,left=a,label='存活',height=0.5,color='#F5DEB3') #left:柱状堆积图 ax1.set_yticks(range(6)) ax1.set_yticklabels(['≤10','10-30','30-50','50-100','100以上']) #y轴刻度标签 ax1.set_xticks([]) #x轴刻度为空 ax1.legend(['遇难','存活'],loc='upper right') #图例名称及位置(upper/center/lower,left/center/right) ax1.set_title('不同票价等级存活分布') #添加标签 for x,y,z in zip(range(5),a,b): ax1.text(y/2,x,'{:.1%}'.format(y)) ax1.text(y+z/2,x,'{:.1%}'.format(z))

  • 可以看到,票价在 50 以上存活率超过65%,与前面舱位等级结果基本一致
# 从各个舱位等级的平均票价来看,一等舱存活率最高,其平均票价也是最高的,为 84
df.groupby('Pclass')['Fare'].mean() 

首页 上一页 1 2 3 下一页 尾页 3/3/3
】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
上一篇Tornado基础学习篇<一> 下一篇Python3 系列之 编程规范篇

最新文章

热门文章

Hot 文章

Python

C 语言

C++基础

大数据基础

linux编程基础

C/C++面试题目