[kaggle] 타이타닉(titanic) | 2. EDA - Pclass

1.2  Target label 확인

- target label이 어떤 distribution을 가지는지 (얼마나 balance있게 dataset에 있느냐 / 없느냐)

- 'Survived'의 1과 0의 분포를 살펴보자

 

 

 

* 코드 해석

f, ax = plt.subplots(1, 2, figsize=(18, 8))

  - 도화지에 subplot을 그린다고 생각하자

  - 1행 2열, 즉 하나의 행에 두 개의 그림이 그려짐

 

df_train['Survived'].value_counts()

  - Survived된 value들의 개수

  - 이것의 type은 Series -> plot을 그릴 수 있다.

 

df_train['Survived'].value_counts().plot.pie()

 

df_train['Survived'].value_counts().plot.pie(explode=[0, 0.1])

 

df_train['Survived'].value_counts().plot.pie(explode=[0, 0.1], autopct='%1.1f%%')

 

df_train['Survived'].value_counts().plot.pie(explode=[0, 0.1], autopct='%1.1f%%', ax=ax[0], shadow=True)

  - 나는 왜 이렇게 그리면 안 그려지는 줄 모르겠지만 . . .. . . .. . ..

  - ax=ax[0] : 이 pie plot을 첫 번째 파트에 그리겠다.

  - shadow=True : 그림자도 그리기

 

ax[0].set_title('제목')
ax[0].set_ylabel('')

  - y축의 이름은 없다.

 

sns.countplot('Survived', data=df_train, ax=ax[1])

  - countplot의 input으로는 'Survived'를 넣어주고, data로는 df_train을 쓰겠다.

 

 

 

 

---

 

 

2.1 Pclass

- ordinal (서수형) 데이터

- 카테고리이면서, 순서가 있는 데이터 타입

 

 

• count()

- 각 class에 몇 명이 있는지 확인 가능

  - 여러 col을 가져올 때는 반드시 list로 묶기 !! [[ ]]

 

 

• sum()

- 생존한 사람의 총 합 확인 가능

 

  - 왜냐하면 'Survived'는 0과 1로만 이루어져있으므로 살아남은 사람(1)의 총합이 sum()의 결과이다!

 

 

---

 

* Crosstab

  - 위의 결과를 좀 더 한 눈에 볼 수 있음

  - style.background_gradient를 통해 색 지정 가능!

 

 

 

* 생존율

index와 함께 표시

Survived로 오름차순 정렬

 

  - mean은 평균을 뜻하는데 생존율과 같다.

ex) Pclass 1의 총 인원은 216명, 그 중 Survived한 사람의 수는 136명

  -> 0.6296630 = (0*80 + 1*136) / 216

 

 

  - as_index=True라고 두면, index(Pclass)도 같이 그려지므로 바람직하지 x => 'as_index=False' 라고 두기

  - Pclass가 높을수록 생존율이 높은 것을 확인할 수 있다.

 

 

 

  - passenger 수 (total count)로만 보면 3번째 class의 인원 수가 제일 많지만,

   클래스가 높을수록 생존 확률이 더 높은 것을 확인할 수 있다. (오른쪽)

 

- 실제 모델을 세울 때 class를 쓰면 좋은 모델이 될 수 있을 것이다.