数据分析 课件 【知识精讲+备课精研】 粤教版（2019）高中信息技术必修1

泰坦尼克号生存率分析数据分析与可视化实战数据分析处理的对象运用的工具分析的方法分析的目的初级工具：Excel高级工具：SPSS、SAS编程工具R语言、Python、Java语言等一大批杂乱无章的数据运用数字化工具和技术探索数据内在的结构和规律构建数学模型进行可视化表达,通过验证将模型转化为知识为诊断过去、预测未来发挥作用DATAANALYSIS

特征探索的主要任务是对数据进行预处理，发现和处理缺失值、异常数据，绘制直方图，观察分析数据的分布特征，求最大值、最小值、极差等描述性统计量。EXPLORATIONOFCHARACTERISTICS【概念讲授】5.3.1特征探索一、导入数据importpandasaspdimportmatplotlib.pyplotaspltdata=pd.read_csv('train.csv')print(())目标：探索生存率高的因素导入数据处理库，简写为pd导入绘图库，简写为plt用pd读取csv文件，存到data输出data的信息目标：探索生存率高的因素二、清洗数据1.筛选需要的列乘客ID乘客等级(1/2/3等舱位)幸存与否堂兄妹个数父母与小孩个数票面信息票价所在客舱登船港口（C=Cherbourg,Q=Queenstown,S=Southampton）data.drop(['PassengerId','Ticket','Cabin'],axis=1,inplace=True)df=data.iloc[:,[1,2,4,5,6,7,9,11]]要删除的列名构成的列表1：按列；0：按行替换原来的数据按索引号提取行的范围列的范围：列表目标：探索生存率高的因素二、清洗数据2.处理缺失值均值填充删除或填充df.Age=df.Age.fillna(df.Age.mean())df.loc[df['Age'].isnull(),['Age']]=df.Age.mean()幸存与否舱位等级堂兄妹个数父母与小孩个数票价登录港口目标：探索生存率高的因素三、分析数据df.Age.describe()df.describe()统计各分位数1.统计分析关联分析是分析并发现存在于大量数据之间的关联性或相关性，从而描述一个事物中某些属性同时出现的规律和模式。CONCEPT【概念讲授】目标：探索生存率高的因素三、分析数据2.性别和生存率的关系sex.plot(kind='bar',title='性别和生存率的关系')能得出说明结论？df.groupby('Sex').Survived.mean()sex=目标：探索生存率高的因素三、分析数据3.船舱等级和生存率的关系Pclass_percentage=df.groupby('Pclass').Survived.mean()Pclass_percentage.plot(kind='bar',title='船舱等级和生存率的关系',color='red')能得出说明结论？目标：探索生存率高的因素三、分析数据4.船舱等级、性别和生存率的关系Pclass_Sex_percentage=df.pivot_table(index=['Pclass','Sex'],values='Survived',aggfunc={'Survived':'mean'})Pclass_Sex_percentage.plot(kind='bar',title='船舱等级、性别和生存率的关系')能得出说明结论？目标：探索生存率高的因素三、分析数据5.存活和遇难的年龄分布df.plot('Survived','Age',kind='scatter')能得出说明结论？流水号交易的商品001可乐，鸡蛋，汉堡002可乐，尿布，啤酒003可乐，尿布，啤酒，汉堡004尿布，啤酒以下是某超市的交易记录，请分组讨论如何提高超市商品的销量？【学生小组活动】典型例子：购物篮分析频率次数统计：可乐、尿布、啤酒支持度（两个商品同时被购买发生的概率）：最大频繁项集：{