# Data analysis-Python

**Repository Path**: maifengyuan/python-data-analysis

## Basic Information

- **Project Name**: Data analysis-Python
- **Description**: 用户存放大二下数据分析课程作业
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-06-10
- **Last Updated**: 2022-11-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Python数据分析

#### 数据来源：
[Kaggle](https://www.kaggle.com/)
> 数据集：请通过压缩包：Data_analyFinal-Maify下载titanic_test/titanic_train

#### 作品运用：
1. Flask实现数据分析网站
2. Pyechart交互式可视化图表
3. plt.figure静态图表
4. 机器学习：归回算法

<hr/>

#### 数据分析说明：
##### 交互式数据可视化
[使用工具](https://pyecharts.org/#/)

> 制作图像类型：柱状图；饼图；曲线图；漏斗图；关系节点图

<br/>

##### 数据清洗:去除包含NaN的行
```
df1 = df_on.dropna(axis=0,how='any')
```
##### 年龄段分类（根据心理年龄层次进行划分）并生成对应生还率（两个维度：性别+年龄）：
> 幼年:0-4 学前:4-8 学初:8-13 少:13-16 青年:16-31 中:31-51 老:51-101

```
def Sr(sex_c,age_1,age_2):
    F1ag_2 = []
    F1a = []
    F1ag_1 = df1[df1["Sex"]==sex_c]

    for i in F1ag_1["Age"]:
        if i in range(age_1,age_2):
            F1ag_2.append(i)

    F1ag_a = len(F1ag_2)

    F1ag = F1ag_1[F1ag_1["Survived"]==1]
    for i in F1ag["Age"]:
        if i in range(age_1,age_2):
            F1a.append(i)

    F1ag_b = len(F1a)

    F1Sr = F1ag_b/F1ag_a
    return F1Sr
```
<br/>

**数据汇总**

```
女性 = [F1y_Sr,F1xc_Sr,F1xq_Sr,F1s_Sr,F1q_Sr,F1z_Sr,F1l_Sr]
男性 = [M1y_Sr,M1xc_Sr,M1xq_Sr,M1s_Sr,M1q_Sr,M1z_Sr,M1l_Sr]

Female_res = []
Male_res = []

for i in 女性:
    fres = i*cal
    fres2 = str(fres)
    fres3 = fres2[:4]
    fres4 = float(fres3)
    Female_res.append(fres4)

for i in 男性:
    mres = i*cal
    mres2 = str(mres)
    mres3 = mres2[:4]
    mres4 = float(mres3)
    Male_res.append(mres4)
```

<hr/>

##### 静态图表

> 主要方法：plt——subplot、figure

<hr/>

##### 机器学习入门