[kaggle] 타이타닉(titanic) | 4. EDA - Age

2.4 Age

 

print('제일 나이 많은 탑승객 : {:.1f} Years'.format(df_train['Age'].max()))
print('제일 어린 탑승객 : {:.1f} Years'.format(df_train['Age'].min()))
print('탑승객 평균 나이 : {:.1f} Years'.format(df_train['Age'].mean()))

-> data 값에 대한 max(), min(), mean() 값을 구할 수 있구나!

 

 

 

 

• 생존에 따른 age의 histogram

* kdeplot (커널밀도추정)

  - histogram은 딱딱한 step으로 그려진다.

  - 이것을 하나의 밀도함수로 smooth하게 그려주자

fix, ax = plt.subplots(1, 1, figsize=(9, 5))
sns.kdeplot(df_train[df_train['Survived'] == 1]['Age'], ax=ax)
sns.kdeplot(df_train[df_train['Survived'] == 0]['Age'], ax=ax)
plt.legend(['Survived == 1', 'Survived == 0'])
plt.show()

 

 

 

* 코드 해석

df_train['Survived'] == 1

 

df_train[df_train['Survived'] == 1]

    - 살아남은 사람만 반환하자

 

 

df_train[df_train['Survived'] == 1]['Age']

  - 생존한 사람의 Age 컬럼만 가져오자

 

 

sns.kdeplot(df_train[df_train['Survived'] == 1]['Age']

  - 이걸 seaborn의 kdeplot 그래프 안에 넣어본다

 

 

df_train[df_train['Survived'] == 1]['Age'].hist()

  - 이건 histogram !

 

 

 

 

 

* 그래프의 '도화지'를 준비하는 3가지 방법

f = plt.figure(figsize=(5, 5))

a = np.arange(100)
b = np.sin(a)

plt.plot(b)

f, ax = plt.subplots(1, 1, figsize=(5, 5))

a = np.arange(100)
b = np.sin(a)

ax.plot(b)

plt.figure(figsize=(5, 5))

a = np.arange(100)
b = np.sin(a)

plt.plot(b)

 

 

 

* 생존 없는 그래프

plt.figure(figsize=(8, 6))
df_train['Age'][df_train['Pclass'] == 1].plot(kind='kde')
df_train['Age'][df_train['Pclass'] == 2].plot(kind='kde')
df_train['Age'][df_train['Pclass'] == 3].plot(kind='kde')

plt.xlabel('Age')
plt.title('Age Distribution within classes')
plt.legend(['1st Class', '2nd Class', '3rd Class'])

 

- 왜 kdeplot으로 그리냐 ?! -> histogram은 겹쳐져서 보이지 않는다.

plt.figure(figsize=(8, 6))
df_train['Age'][df_train['Pclass'] == 1].plot(kind='hist')
df_train['Age'][df_train['Pclass'] == 2].plot(kind='hist')
df_train['Age'][df_train['Pclass'] == 3].plot(kind='hist')

# 여기서는
plt.xlabel('Age')
plt.title('Age Distribution within classes')
plt.legend(['1st Class', '2nd Class', '3rd Class'])

 

 

* 생존 확률에 따른 그래프

fig, ax = plt.subplots(1, 1, figsize=(9, 5))
sns.kdeplot(df_train[(df_train['Survived'] == 0) & (df_train['Pclass'] == 1)]['Age'], ax=ax)
sns.kdeplot(df_train[(df_train['Survived'] == 1) & (df_train['Pclass'] == 1)]['Age'], ax=ax)
plt.legend(['Survived == 0', 'Survived == 1'])
plt.title('1st class')
plt.show()

--> 젊은 사람일수록 생존 확률이 높다는 것을 알 수 있다.

 

 

* 정말 그런지 확인해보기

change_age_range_survival_ratio = []

for i in range(1, 80):
	change_age_range_survival_ratio.append(df_train[df_train['Age'] < i]['Survived'].sum() / len(df_train[df_train['Age'] < i]['Survived]))
    
    plt.figure(figsize=(7, 7))
    plt.plot(change_age_range_survival_ratio)
    plt.title('Survival rate change depending on range of Age', y=1.02)
    plt.ylabel('Survival rate')
    plt.xlabel('Range of Age(0-x)')

  - age의 범위를 다르게 했을 때 (1-80세) survival ratio가 어떻게 변하는가를 보고싶음

  - i가 1세부터 80세까지 변하는데, 만약 i=10이라면 10살보다 작은 애들 중 몇 명이 살았냐를 반환해줌

  - 정말 나이가 어릴수록 생존 확률이 높은 것을 알 수 있다!!

 

 

---

 

 

* 코드 해석

i = 10
df_train[df_train['Age'] < i]

  - df_train의 age가 10(세)보다 작은 친구들의 row를 반환시킴

 

 

df_train[df_train['Age'] < i]['Survived']

  

  - 그 사람들이 Survived 했는지 안했는지

 

 

df_train[df_train['Age'] < i]['Survived'].sum()

  - 총 생존을 몇 명이 했는지

  - Survived 한 사람이 1이므로 sum의 결과는 총 생존을 한 사람의 수!

 

 

 

len(df_train[df_train['Age'] < i]['Survived']

df_train[df_train['Age'] < i]['Survived'].sum() / len(df_train[df_train['Age'] < i]['Survived']

  - 총 사람의 수로 나눈 확률 !! (우리가 보고싶은 것)