Визуализация данных о пассажирах Титаника

Проект по дисциплине: МДК 13.01 Основы применения методов искусственного интеллекта в программировании

Практическое занятие №2: Визуализация данных, графики Matplotlib. Библиотеки Seaborn, Plotly.

1. Введение

В рамках данного практического занятия была выполнена визуализация данных о пассажирах Титаника с использованием библиотек Python Matplotlib, Seaborn и Plotly. Целью работы являлось получение навыков визуализации данных для их анализа и представления.

2. Методика и подходы

2.1. Методы

В ходе работы применялись следующие методы визуализации данных:

• Столбчатые диаграммы: для сравнения количества выживших/погибших, выживаемости по классам и портам посадки.
• Гистограммы: для анализа распределения возрастов пассажиров.
• Круговые диаграммы: для отображения доли мужчин и женщин на борту.
• Ящики с усами: для визуализации распределения стоимости билетов по классам.
• Тепловые карты: для анализа корреляции между числовыми признаками.
• Диаграммы рассеяния: для отображения зависимости возраста от стоимости билета.
• Интерактивные диаграммы рассеяния: для интерактивного исследования данных с помощью Plotly.

2.2. Алгоритмы

Для построения графиков использовались следующие алгоритмы, реализованные в соответствующих библиотеках:

• Подсчет количества элементов по категориям.
• Вычисление статистических показателей (среднее, медиана).
• Расчет корреляции между признаками.

2.3. Подходы

• Объектно-ориентированное программирование (ООП): Использована объектно-ориентированная парадигма для организации кода, разделение ответственности между классами DataLoader (загрузка данных) и PlotGenerator (генерация графиков).
• Принципы SOLID, KISS и DRY: Применен подход, обеспечивающий гибкость, простоту и отсутствие дублирования кода.

2.4. Допущения и ограничения

• Предполагается, что данные, загруженные из CSV-файла, корректны и не содержат ошибок.
• Предварительная обработка данных ограничена базовыми операциями (удаление пропущенных значений в столбце age).

2.5. Инструменты, библиотеки и технологии

• Python: основной язык программирования.
• Pandas: для загрузки и обработки данных.
• Matplotlib: для создания статических графиков.
• Seaborn: для улучшения визуализации графиков.
• Plotly: для создания интерактивных графиков.

3. Результаты

3.1. Краткое описание данных

Данные были взяты из открытого репозитория Seaborn по ссылке: https://github.com/mwaskom/seaborn-data/blob/master/titanic.csv?raw=true. Формат данных - CSV. Набор данных содержит информацию о пассажирах Титаника, включая их возраст, пол, класс билета, стоимость, выживаемость и другие параметры.

3.2. Предварительная обработка данных

Удалены пропущенные значения из столбца age для корректного построения гистограммы.

3.3. Графики и диаграммы

3.3.1. Выжившие и погибшие пассажиры

Столбчатая диаграмма показывает количество выживших и погибших пассажиров.

3.3.2. Распределение возрастов

Гистограмма показывает распределение возрастов пассажиров. Средний возраст пассажиров: 29.70. Медианный возраст пассажиров: 28.00. Распределение возрастов на борту Титаника показывает, что большинство пассажиров были в возрасте от 20 до 40 лет, при этом медианный возраст около 28 лет.

3.3.3. Выживаемость по классам

Столбчатая диаграмма демонстрирует выживаемость по каждому классу. Выживаемость по классам: Класс 1: 62.96% Класс 2: 47.28% Класс 3: 24.24%

Самая высокая выживаемость (62.96%) была в классе 1.

3.3.4. Половое распределение

Круговая диаграмма отображает долю мужчин и женщин на борту Титаника.

3.3.5. Распределение стоимости билетов по классам

Ящик с усами показывает распределение стоимости билетов в зависимости от класса.

3.3.6. Корреляция между числовыми признаками

Тепловая карта отображает корреляцию между всеми числовыми признаками.

3.3.7. Возраст и стоимость билета

Диаграмма рассеяния представляет возраст пассажиров по отношению к стоимости их билетов.

3.3.8. Интерактивная карта выживаемости по классам

Интерактивная карта не сохраняется в статическом отчёте, но ее можно запустить при выполнении кода.

Интерактивная диаграмма рассеяния, где цвет и размер точек отображают класс и выживаемость пассажиров.

3.3.9. Влияние наличия семьи на выживаемость

Два подграфика отображают выживаемость в зависимости от наличия родственников (SibSp и Parch).

3.3.10. Выживаемость по портам посадки

Столбчатая диаграмма сравнивает выживаемость пассажиров в зависимости от порта посадки.

4. Анализ результатов

4.1. Выводы

• Большинство пассажиров на Титанике были в возрасте от 20 до 40 лет, со средним возрастом около 30 лет.
• Выживаемость значительно выше у пассажиров первого класса по сравнению с пассажирами других классов.
• Интерактивная диаграмма Plotly позволила более детально изучить взаимосвязи между возрастом, стоимостью билета, классом и выживаемостью.
• Семьи (SibSp и Parch) оказывали некоторое влияние на выживаемость пассажиров.
• Место посадки также играло роль в выживаемости пассажиров.

4.2. Обсуждение возможных улучшений

• Можно рассмотреть более сложные методы предварительной обработки данных, такие как заполнение пропущенных значений с использованием машинного обучения.
• Можно добавить новые типы графиков, например, violin plot для сравнения распределения данных.
• Можно использовать интерактивные элементы Plotly для более глубокого анализа данных, например, добавление фильтров.

5. Заключение

В ходе данного проекта были получены навыки визуализации данных с использованием библиотек Matplotlib, Seaborn и Plotly. Это позволило эффективно проанализировать данные о пассажирах Титаника и выявить интересные закономерности.

6. Лицензия

Этот проект распространяется под лицензией MIT - смотрите файл LICENSE для деталей.

7. Автор

Бедин Владислав (MindlessMuse666)

• GitHub: MindlessMuse666
• Telegram: @mindless_muse
• Gmail: mindlessmuse.666@gmail.com