Zadanie domowe - EDA Danych dotyczących Titanica

• Twoim zadaniem jest wykonanie analizy danych zawartych w załączonym pliku CSV (26__titanic.csv).
• Plik znajduje się pod video. Pamiętaj, żeby wrzucić plik do tego samego folderu, w którym znajduje się ten notebook.
• Wykorzystaj nowo nabytą wiedzę z biblioteki Pandas
• Jeżeli jest taka konieczność posiłkuj się code explainerem lub / i data chatterem (który również te dane ma dostępne).
• Prześlij na discordzie notebook z rozwiązaniem (#modul-4-zad2)
• Pamiętaj:

1. Nie spiesz się
2. Potraktuj zadanie domowe jak prawdziwy projekt
3. Dodawaj opisy, obserwacje, wnioski
4. Dodaj wizualizacje
5. Dodaj konkluzję i wnioski końcowe

Powodzenia!!! I mega zabawy!

Dane o pasażerach Titanica

Zbiór danych zawiera informacje o pasażerach RMS Titanic, który zatonął 15 kwietnia 1912 roku po zderzeniu z górą lodową. Dane obejmują takie atrybuty jak klasa podróży, wiek, płeć, liczba rodzeństwa/małżonków na pokładzie, liczba rodziców/dzieci na pokładzie, cena biletu oraz miejsce zaokrętowania.

Zbiór zawiera także informację o tym, czy pasażer przeżył katastrofę.

Titanic przewoził ponad 2,200 osób, z czego ponad 1,500 zginęło, co czyni tę katastrofę jedną z najbardziej tragicznych w historii morskiej.

Kolumny:

• pclass - Klasa biletu
• survived - Czy pasażer przeżył katastrofę
• name - Imię i nazwisko pasażera
• sex - Płeć pasażera
• age - Wiek pasażera
• sibsp - Liczba ro## O Danych

dzeństwa/małżonków na pokładzie

• parch - Liczba rodziców/dzieci na pokładzie
• ticket - Numer biletu
• fare - Cena biletu
• cabin - Numer kabiny
• embarked - Port, w którym pasażer wszedł na pokład (C = Cherbourg, Q = Queenstown, S = Southampton)
• boat - Numer łodzi ratunkowej
• body - Numer ciała (jeśli pasażer nie przeżył i ciało zostało odnalezione)
• home.dest - Miejsce docelowe

1. Kształt ogólny danych

import pandas as pd
df = pd.read_csv('26__titanic.csv', sep = ",")
x, y = df.shape
print(f"Zbiór składa się z {x} wierszy i {y} kolumn.")

Zbiór składa się z 1310 wierszy i 14 kolumn.

1.1. Badania zmiennych i transformacje zbioru danych

'name'

# Wyświetlanie wierszy z duplikowanymi wartościami w kolumnie 'name'
duplikaty_nazwisk = df[df.duplicated(subset=['name'], keep=False)]
duplikaty_nazwisk

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
725	3.0	1.0	Connolly, Miss. Kate	female	22.0	0.0	0.0	370373	7.7500	NaN	Q	13	NaN	Ireland
726	3.0	0.0	Connolly, Miss. Kate	female	30.0	0.0	0.0	330972	7.6292	NaN	Q	NaN	NaN	Ireland
924	3.0	0.0	Kelly, Mr. James	male	34.5	0.0	0.0	330911	7.8292	NaN	Q	NaN	70.0	NaN
925	3.0	0.0	Kelly, Mr. James	male	44.0	0.0	0.0	363592	8.0500	NaN	S	NaN	NaN	NaN

Wnioski:

• wiersze duplikują nazwiska. Usunięcie wierszy 726 i 925, bo najwiecej NaN.
• Miss. przeżyła na łodzi. Ciało Mrs. odnaleziono.

# usunięcie wierszy 726 i 925
df = df.drop([726,925])
# sprawdzenie kontrolne
nazwisko_Kelly = df[df['name'] == 'Kelly, Mr. James']
nazwisko_Kelly

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
924	3.0	0.0	Kelly, Mr. James	male	34.5	0.0	0.0	330911	7.8292	NaN	Q	NaN	70.0	NaN

# Wyszukanie całych zduplikowanych wierszy i ich usunięcie (oryginalny df nie ulega zmianie)
df2 = df.copy()
df2 = df.drop_duplicates()
# Liczba wierszy DF przed usunięciem duplikatów
przed = len(df)
# Liczba wierszy po usunięciu duplikatów
po = len(df2)
# Sprawdzenie, czy liczba wierszy się zmieniła
if przed > po:
    print("Zduplikowane wiersze zostały usunięte.")
else:
    print("Nie było całych wierszy zduplikowanych do usunięcia.")
df2

Nie było całych wierszy zduplikowanych do usunięcia.

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
0	1.0	1.0	Allen, Miss. Elisabeth Walton	female	29.0000	0.0	0.0	24160	211.3375	B5	S	2	NaN	St Louis, MO
1	1.0	1.0	Allison, Master. Hudson Trevor	male	0.9167	1.0	2.0	113781	151.5500	C22 C26	S	11	NaN	Montreal, PQ / Chesterville, ON
2	1.0	0.0	Allison, Miss. Helen Loraine	female	2.0000	1.0	2.0	113781	151.5500	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON
3	1.0	0.0	Allison, Mr. Hudson Joshua Creighton	male	30.0000	1.0	2.0	113781	151.5500	C22 C26	S	NaN	135.0	Montreal, PQ / Chesterville, ON
4	1.0	0.0	Allison, Mrs. Hudson J C (Bessie Waldo Daniels)	female	25.0000	1.0	2.0	113781	151.5500	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1305	3.0	0.0	Zabour, Miss. Thamine	female	NaN	1.0	0.0	2665	14.4542	NaN	C	NaN	NaN	NaN
1306	3.0	0.0	Zakarian, Mr. Mapriededer	male	26.5000	0.0	0.0	2656	7.2250	NaN	C	NaN	304.0	NaN
1307	3.0	0.0	Zakarian, Mr. Ortin	male	27.0000	0.0	0.0	2670	7.2250	NaN	C	NaN	NaN	NaN
1308	3.0	0.0	Zimmerman, Mr. Leo	male	29.0000	0.0	0.0	315082	7.8750	NaN	S	NaN	NaN	NaN
1309	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

1308 rows × 14 columns

# usunięcie ostatniego wiersza wartości NaN
df = df.drop(1309)
df

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
0	1.0	1.0	Allen, Miss. Elisabeth Walton	female	29.0000	0.0	0.0	24160	211.3375	B5	S	2	NaN	St Louis, MO
1	1.0	1.0	Allison, Master. Hudson Trevor	male	0.9167	1.0	2.0	113781	151.5500	C22 C26	S	11	NaN	Montreal, PQ / Chesterville, ON
2	1.0	0.0	Allison, Miss. Helen Loraine	female	2.0000	1.0	2.0	113781	151.5500	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON
3	1.0	0.0	Allison, Mr. Hudson Joshua Creighton	male	30.0000	1.0	2.0	113781	151.5500	C22 C26	S	NaN	135.0	Montreal, PQ / Chesterville, ON
4	1.0	0.0	Allison, Mrs. Hudson J C (Bessie Waldo Daniels)	female	25.0000	1.0	2.0	113781	151.5500	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1304	3.0	0.0	Zabour, Miss. Hileni	female	14.5000	1.0	0.0	2665	14.4542	NaN	C	NaN	328.0	NaN
1305	3.0	0.0	Zabour, Miss. Thamine	female	NaN	1.0	0.0	2665	14.4542	NaN	C	NaN	NaN	NaN
1306	3.0	0.0	Zakarian, Mr. Mapriededer	male	26.5000	0.0	0.0	2656	7.2250	NaN	C	NaN	304.0	NaN
1307	3.0	0.0	Zakarian, Mr. Ortin	male	27.0000	0.0	0.0	2670	7.2250	NaN	C	NaN	NaN	NaN
1308	3.0	0.0	Zimmerman, Mr. Leo	male	29.0000	0.0	0.0	315082	7.8750	NaN	S	NaN	NaN	NaN

1307 rows × 14 columns

# ile wartości brakuje w każdej kolumnie?
liczba_brakow = df.isna().sum()
zdanie = (f"Zbiór zawiera brakujące wartości:\n{liczba_brakow}")
print(zdanie)

Zbiór zawiera brakujące wartości:
pclass          0
survived        0
name            0
sex             0
age           263
sibsp           0
parch           0
ticket          0
fare            1
cabin        1012
embarked        2
boat          821
body         1186
home.dest     563
dtype: int64

# Procent brakujacych wartosci do wszystkich w kalumnie 'age'
sumaBrakow = df['age'].isna().sum()
liczbaElementow = len(df['age'])
czescProcentowa = sumaBrakow / liczbaElementow
czescProcentowa

0.20122417750573834

# ile wartości brakuje w każdej kolumnie procentowo?
# Średnia True i dodanie znaku % (2f = sformatowane do dwóch miejsc po przecinku)
braki_srednia_logiczna = df.isna().mean() * 100
braki_procent = braki_srednia_logiczna.apply(lambda x: f'{x:.0f}%')
print(f'Procentowy udział NaN: \n{braki_procent}.\n')

Procentowy udział NaN: 
pclass        0%
survived      0%
name          0%
sex           0%
age          20%
sibsp         0%
parch         0%
ticket        0%
fare          0%
cabin        77%
embarked      0%
boat         63%
body         91%
home.dest    43%
dtype: object.

# Typy kolumn
print(df.dtypes)

pclass       float64
survived     float64
name          object
sex           object
age          float64
sibsp        float64
parch        float64
ticket        object
fare         float64
cabin         object
embarked      object
boat          object
body         float64
home.dest     object
dtype: object

'sex'

# mapowanie object na numeryczne
df['sex'] = df['sex'].replace({'male': 0, 'female': 1})

# sprawdzenie kontrolne
liczbaKobiet = df['sex'].sum()
print(f'Ilosc kobiet w kolumnie sex:\n{liczbaKobiet}')

liczbaMezczyzn = (df['sex'] == 0).sum()
print("Liczba mężczyzn:", liczbaMezczyzn)

# suma
s = liczbaKobiet + liczbaMezczyzn
print("suma powyższa liczb kobiet i mężczyzn", s)

#
liczbaElementowSex = len(df['sex'])
print("liczba wszystkich elementow w kolumnie sex:", liczbaElementowSex)

Ilosc kobiet w kolumnie sex:
465
Liczba mężczyzn: 842
suma powyższa liczb kobiet i mężczyzn 1307
liczba wszystkich elementow w kolumnie sex: 1307

# licz wiersze, gdzie kolumna 'name' nie zawiera "Mr." ale kolumna 'sex' wynosi 0.
ZeroAleNieMr = df[(df['sex'] == 0) & ~df['name'].str.contains('Mr.', na=False)]
a = len(ZeroAleNieMr)
print("Liczba wierszy bez Mr.:", a)

Liczba wierszy bez Mr.: 85

'cabin'

# Wylistowanie wartości
ilosc = df['cabin'].value_counts()
ilosc

C23 C25 C27        6
G6                 5
B57 B59 B63 B66    5
F4                 4
F33                4
                  ..
C132               1
E60                1
B52 B54 B56        1
C49                1
F38                1
Name: cabin, Length: 186, dtype: int64

Wnioski:

• Zastanawia to dlaczego cabina ma wartość 'C23 C25 C27'? Czy jest w tym jakiś sens?

# wylistowanie wszystkich wartosci w celu sprawdzenia błędów, powtarzających się ciągów znaków.
lista_cabin = df['cabin'].unique()
# Posortowanie wartości w porządku alfabetycznym pozwoli na usunięcie błędów. Ale sorted() nie może mieć NaN.
df['cabin'] = df['cabin'].fillna('Unknown')
lista_cabin_sorted = sorted([str(item) for item in lista_cabin])
print(lista_cabin_sorted)

['A10', 'A11', 'A14', 'A16', 'A18', 'A19', 'A20', 'A21', 'A23', 'A24', 'A26', 'A29', 'A31', 'A32', 'A34', 'A36', 'A5', 'A6', 'A7', 'A9', 'B10', 'B101', 'B102', 'B11', 'B18', 'B19', 'B20', 'B22', 'B24', 'B26', 'B28', 'B3', 'B30', 'B35', 'B36', 'B37', 'B38', 'B39', 'B4', 'B41', 'B42', 'B45', 'B49', 'B5', 'B50', 'B51 B53 B55', 'B52 B54 B56', 'B57 B59 B63 B66', 'B58 B60', 'B61', 'B69', 'B71', 'B73', 'B77', 'B78', 'B79', 'B80', 'B82 B84', 'B86', 'B94', 'B96 B98', 'C101', 'C103', 'C104', 'C105', 'C106', 'C110', 'C111', 'C116', 'C118', 'C123', 'C124', 'C125', 'C126', 'C128', 'C130', 'C132', 'C148', 'C2', 'C22 C26', 'C23 C25 C27', 'C28', 'C30', 'C31', 'C32', 'C39', 'C45', 'C46', 'C47', 'C49', 'C50', 'C51', 'C52', 'C53', 'C54', 'C55 C57', 'C6', 'C62 C64', 'C65', 'C68', 'C7', 'C70', 'C78', 'C80', 'C82', 'C83', 'C85', 'C86', 'C87', 'C89', 'C90', 'C91', 'C92', 'C93', 'C95', 'C97', 'C99', 'D', 'D10 D12', 'D11', 'D15', 'D17', 'D19', 'D20', 'D21', 'D22', 'D26', 'D28', 'D30', 'D33', 'D34', 'D35', 'D36', 'D37', 'D38', 'D40', 'D43', 'D45', 'D46', 'D47', 'D48', 'D49', 'D50', 'D56', 'D6', 'D7', 'D9', 'E10', 'E101', 'E12', 'E121', 'E17', 'E24', 'E25', 'E31', 'E33', 'E34', 'E36', 'E38', 'E39 E41', 'E40', 'E44', 'E45', 'E46', 'E49', 'E50', 'E52', 'E58', 'E60', 'E63', 'E67', 'E68', 'E77', 'E8', 'F', 'F E46', 'F E57', 'F E69', 'F G63', 'F G73', 'F2', 'F33', 'F38', 'F4', 'G6', 'T', 'nan']

Wnioski:

• Jest 10 wartości z numerami wielu kabin np.: 'B51 B53 B55' lub 'B57 B59 B63 B66' itd, które można skrócić.

zastap_cabin = { 'B51 B53 B55':'B51', 'B52 B54 B56':'B52', 'B57 B59 B63 B66':'B57', 'B58 B60':'B58', 'B82 B84':'B82', 'C22 C26':'C22', 'C23 C25 C27':'C23', 'C55 C57':'C55', 'C62 C64':'C62', 'D10 D12':'D10' } df['cabin'] = df['cabin'].replace(zastap_cabin)

'sibsp' i 'parch'

• Kluczem jest kodowanie:
• sibsp - Liczba rodzeństwa/małżonków na pokładzie, parch - Liczba rodziców/dzieci na pokładzie.
• Zobaczmy kto był w kabinach

kolumna = 'sibsp'
liczba_wystepowania_sibsp = df[kolumna].value_counts()
print(liczba_wystepowania_sibsp)

0.0    889
1.0    319
2.0     42
4.0     22
3.0     20
8.0      9
5.0      6
Name: sibsp, dtype: int64

# Przykładowo co zawierają kolumny, dla cabin==B51'
wybrana_cabin = df[df['cabin'].str.contains('B51')]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
49	1.0	1.0	Cardeza, Mr. Thomas Drake Martinez	0	36.0	0.0	1.0	PC 17755	512.3292	B51 B53 B55	C	3	NaN	Austria-Hungary / Germantown, Philadelphia, PA
50	1.0	1.0	Cardeza, Mrs. James Warburton Martinez (Charlo...	1	58.0	0.0	1.0	PC 17755	512.3292	B51 B53 B55	C	3	NaN	Germantown, Philadelphia, PA
51	1.0	0.0	Carlsson, Mr. Frans Olof	0	33.0	0.0	0.0	695	5.0000	B51 B53 B55	S	NaN	NaN	New York, NY

wnioski:

• 3 osoby wykupiły 3 kabiny.
• Cardeza, Mr. Thomas (age 36) płynął bez rodzeństwa i z jednym rodzicem, bo sibsp Liczba rodzeństwa/- na pokładzie 0, parch Liczba rodziców/- na pokładzie 1
• Cardeza, Mrs. James (age 58) płynęła z jednym dzieckiem, bo ibsp Liczba rodzeństwa/małżonków na pokładzie 0, parch Liczba -/dzieci na pokładzie 1
• Carlsson, Mr. Frans Olof (age 33) podróżował bez rodzeństwa i bez rodziców, bo sibsp - Liczba rodzeństwa/małżonków na pokładzie 0, parch - Liczba rodziców/dzieci na pokładzie = 0
• Panowie byli pewnie przyjaciółmi. Ten ostatni płacił śmieszne pieniądze za bilet w 1. klasie.

# Przykładowo co zawierają kolumny, dla cabin==B52'
wybrana_cabin = df[df['cabin'].str.contains('B52', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
170	1.0	1.0	Ismay, Mr. Joseph Bruce	0	49.0	0.0	0.0	112058	0.0	B52 B54 B56	S	C	NaN	Liverpool

Wnioski:

• Z kolei tutaj jedna osoba zajmowałaby kilka kabin?! I zapłacił 0 $ !!

# Przykładowo co zawierają kolumny, dla cabin==B57'
wybrana_cabin = df[df['cabin'].str.contains('B57')]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
249	1.0	1.0	Ryerson, Master. John Borie	0	13.0	2.0	2.0	PC 17608	262.375	B57 B59 B63 B66	C	4	NaN	Haverford, PA / Cooperstown, NY
250	1.0	1.0	Ryerson, Miss. Emily Borie	1	18.0	2.0	2.0	PC 17608	262.375	B57 B59 B63 B66	C	4	NaN	Haverford, PA / Cooperstown, NY
251	1.0	1.0	Ryerson, Miss. Susan Parker "Suzette"	1	21.0	2.0	2.0	PC 17608	262.375	B57 B59 B63 B66	C	4	NaN	Haverford, PA / Cooperstown, NY
252	1.0	0.0	Ryerson, Mr. Arthur Larned	0	61.0	1.0	3.0	PC 17608	262.375	B57 B59 B63 B66	C	NaN	NaN	Haverford, PA / Cooperstown, NY
253	1.0	1.0	Ryerson, Mrs. Arthur Larned (Emily Maria Borie)	1	48.0	1.0	3.0	PC 17608	262.375	B57 B59 B63 B66	C	4	NaN	Haverford, PA / Cooperstown, NY

Wnioski:

• 5 osobowa rodzina zamówiła aż 4 kabiny.
• Dla dzieci: Liczba rodzeństwa/- na pokładzie 2. Liczba rodziców/- na pokładzie 2.
• Dla rodziców: Liczba -/małżonków na pokładzie 1. Liczba -/dzieci na pokładzie 3

# Przykładowo co zawierają kolumny, dla cabin==B58'
wybrana_cabin = df[df['cabin'].str.contains('B58', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
16	1.0	0.0	Baxter, Mr. Quigg Edmond	0	24.0	0.0	1.0	PC 17558	247.5208	B58 B60	C	NaN	NaN	Montreal, PQ
17	1.0	1.0	Baxter, Mrs. James (Helene DeLaudeniere Chaput)	1	50.0	0.0	1.0	PC 17558	247.5208	B58 B60	C	6	NaN	Montreal, PQ
97	1.0	1.0	Douglas, Mrs. Frederick Charles (Mary Helene B...	1	27.0	1.0	1.0	PC 17558	247.5208	B58 B60	C	6	NaN	Montreal, PQ

# wypisz pełne nazwiska dla cabin==B58'
name_cabin58 = df[df['cabin'] == 'B58 B60']['name'].tolist()
print(name_cabin58)

['Baxter, Mr. Quigg Edmond', 'Baxter, Mrs. James (Helene DeLaudeniere Chaput)', 'Douglas, Mrs. Frederick Charles (Mary Helene Baxter)']

Wnioski:

• 2 kabiny zajmowały 3 osoby:
• Pan Mr. age 24. Liczba rodzeństwa/małżonków na pokładzie 0. Liczba rodziców/ - na pokładzie 1. Jest synem Mrs. age 50.
• Pani Mrs. age 50. Liczba rodzeństwa/małżonków na pokładzie 0. Liczba rodziców/dzieci na pokładzie 1
• Pani Mrs. Douglas z domu Baxter age 27. Liczba rodzeństwa/ - na pokładzie 1. Liczba rodziców/ - na pokładzie 1. Jest zamężna i ma jedno rodzenstwo i jednego rodzica w innej kabinie. Ale Mrs. Baxter z domu Chaput nie jest jej rodzicem. Tu jest jakiś błąd. Także komórka poniżej nie przyniesie odpowiedzi.

# Czy możliwe, że w innej kabinie podróżowało jej rodzeństwo i rodzic?
name_Douglas = df[df['name'].str.contains('Douglas')]
name_Douglas

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
96	1.0	0.0	Douglas, Mr. Walter Donald	0	50.0	1.0	0.0	PC 17761	106.4250	C86	C	NaN	62.0	Deephaven, MN / Cedar Rapids, IA
97	1.0	1.0	Douglas, Mrs. Frederick Charles (Mary Helene B...	1	27.0	1.0	1.0	PC 17558	247.5208	B58 B60	C	6	NaN	Montreal, PQ
98	1.0	1.0	Douglas, Mrs. Walter Donald (Mahala Dutton)	1	48.0	1.0	0.0	PC 17761	106.4250	C86	C	2	NaN	Deephaven, MN / Cedar Rapids, IA
273	1.0	1.0	Spedden, Master. Robert Douglas	0	6.0	0.0	2.0	16966	134.5000	E34	C	3	NaN	Tuxedo Park, NY
519	2.0	0.0	Norman, Mr. Robert Douglas	0	28.0	0.0	0.0	218629	13.5000	Unknown	S	NaN	287.0	Glasgow
1176	3.0	0.0	Sage, Mr. Douglas Bullen	0	NaN	8.0	2.0	CA. 2343	69.5500	Unknown	S	NaN	NaN	NaN

# Przykładowo co zawierają kolumny, dla cabin==B82'
wybrana_cabin = df[df['cabin'].str.contains('B82', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
142	1.0	0.0	Guggenheim, Mr. Benjamin	0	46.0	0.0	0.0	PC 17593	79.2	B82 B84	C	NaN	NaN	New York, NY

Wnioski:

• Z kolei tutaj jedna osoba zajmowała 2 kabiny.

# Przykładowo co zawierają kolumny, dla cabin==C22'
wybrana_cabin = df[df['cabin'].str.contains('C22', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
1	1.0	1.0	Allison, Master. Hudson Trevor	0	0.9167	1.0	2.0	113781	151.55	C22 C26	S	11	NaN	Montreal, PQ / Chesterville, ON
2	1.0	0.0	Allison, Miss. Helen Loraine	1	2.0000	1.0	2.0	113781	151.55	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON
3	1.0	0.0	Allison, Mr. Hudson Joshua Creighton	0	30.0000	1.0	2.0	113781	151.55	C22 C26	S	NaN	135.0	Montreal, PQ / Chesterville, ON
4	1.0	0.0	Allison, Mrs. Hudson J C (Bessie Waldo Daniels)	1	25.0000	1.0	2.0	113781	151.55	C22 C26	S	NaN	NaN	Montreal, PQ / Chesterville, ON

Wnioski:

• kabiny zajmowały małżonkowie z dwójką małych dzieci
• Mr. age 30. Liczba - /małżonków na pokładzie 1. Liczba - /dzieci na pokładzie 2.
• Mrs. age 25. Liczba - /małżonków na pokładzie 1. Liczba - /dzieci na pokładzie 2
• Dla dzieci: Liczba rodzeństwa/- na pokładzie 1. Liczba rodziców/- na pokładzie 2.

# Przykładowo co zawierają kolumny, dla cabin==C23'
wybrana_cabin = df[df['cabin'].str.contains('C23', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
111	1.0	1.0	Fortune, Miss. Alice Elizabeth	1	24.0	3.0	2.0	19950	263.0	C23 C25 C27	S	10	NaN	Winnipeg, MB
112	1.0	1.0	Fortune, Miss. Ethel Flora	1	28.0	3.0	2.0	19950	263.0	C23 C25 C27	S	10	NaN	Winnipeg, MB
113	1.0	1.0	Fortune, Miss. Mabel Helen	1	23.0	3.0	2.0	19950	263.0	C23 C25 C27	S	10	NaN	Winnipeg, MB
114	1.0	0.0	Fortune, Mr. Charles Alexander	0	19.0	3.0	2.0	19950	263.0	C23 C25 C27	S	NaN	NaN	Winnipeg, MB
115	1.0	0.0	Fortune, Mr. Mark	0	64.0	1.0	4.0	19950	263.0	C23 C25 C27	S	NaN	NaN	Winnipeg, MB
116	1.0	1.0	Fortune, Mrs. Mark (Mary McDougald)	1	60.0	1.0	4.0	19950	263.0	C23 C25 C27	S	10	NaN	Winnipeg, MB

Wnioski:

• 3 kabiny zajmowały 6 osob:
• Pan Mr. age 64. Liczba -/małżonków na pokładzie 1. Liczba -/ dzieci na pokładzie 4.
• Pani Mrs. age 60. Liczba -/małżonków na pokładzie 1. Liczba /dzieci na pokładzie 4
• Ich dzieci: Liczba rodzeństwa/ - na pokładzie 3. Liczba rodziców/ - na pokładzie 2.

# Przykładowo co zawierają kolumny, dla cabin==C55'
wybrana_cabin = df[df['cabin'].str.contains('C55', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
285	1.0	0.0	Straus, Mr. Isidor	0	67.0	1.0	0.0	PC 17483	221.7792	C55 C57	S	NaN	96.0	New York, NY
286	1.0	0.0	Straus, Mrs. Isidor (Rosalie Ida Blun)	1	63.0	1.0	0.0	PC 17483	221.7792	C55 C57	S	NaN	NaN	New York, NY

Wnioski:

• 2 kabiny zajmowały 2 osoby:
• Oboje: Liczba -/małżonków na pokładzie 1. Liczba -/ dzieci na pokładzie 0.

# Przykładowo co zawierają kolumny, dla cabin==C62'
wybrana_cabin = df[df['cabin'].str.contains('C62', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
10	1.0	0.0	Astor, Col. John Jacob	0	47.0	1.0	0.0	PC 17757	227.525	C62 C64	C	NaN	124.0	New York, NY
11	1.0	1.0	Astor, Mrs. John Jacob (Madeleine Talmadge Force)	1	18.0	1.0	0.0	PC 17757	227.525	C62 C64	C	4	NaN	New York, NY

Wnioski:

• Małżeństwo age 47 i 18.

Liczba rodze-/małżonków na pokładzie 1. Liczba rodziców/dzieci na pokładzie 0

# Przykładowo co zawierają kolumny, dla cabin==D10'
wybrana_cabin = df[df['cabin'].str.contains('D10', na=False)]
# Wyświetlenie wartości w innych kolumnach dla wybranej kabiny
wybrana_cabin

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
140	1.0	1.0	Greenfield, Mr. William Bertram	0	23.0	0.0	1.0	PC 17759	63.3583	D10 D12	C	7	NaN	New York, NY
141	1.0	1.0	Greenfield, Mrs. Leo David (Blanche Strouse)	1	45.0	0.0	1.0	PC 17759	63.3583	D10 D12	C	7	NaN	New York, NY

Wnioski:

• Mama z synem

Liczba rodzeństwa/małżonków na pokładzie 0. Liczba rodziców/dzieci na pokładzie 1

'parch'

# liczba_rodziców_albo_dzieci_na_pokładzie
kolumna = 'parch'
# Liczba występowania poszczególnych wartości unikalnych
liczba_wystepowania_parch = df[kolumna].value_counts()
print(liczba_wystepowania_parch)

0.0    1000
1.0     170
2.0     113
3.0       8
4.0       6
5.0       6
6.0       2
9.0       2
Name: parch, dtype: int64

Wnioski

• Większość osób (1000) podróżowała bez osób spokrewnionych. Z jednym rodzicem albo jednym dzieckiem jest 170 rekordów. Z dwójką dzieci lub dwojgiem rodziców jest 113 wpisów.

# liczba osób spokrewnionych: wiersze, w których pasażerowie mają członków rodziny na pokładzie
rodziny = df[(df['sibsp'] > 0) | (df['parch'] > 0)]

# usuniecie duplikatow nazwisk, aby każde nazwisko występowało tylko raz
unique_names = rodziny.drop_duplicates(subset='name')

# Zliczenie nazwisk rodzin
liczba_rodzin = unique_names['name'].nunique()
print("Liczba osób należących do rodzin:", liczba_rodzin)
lista_rodzin = unique_names['name'].unique()
lista_rodzin

Liczba osób należących do rodzin: 519

array(['Allison, Master. Hudson Trevor', 'Allison, Miss. Helen Loraine',
       'Allison, Mr. Hudson Joshua Creighton',
       'Allison, Mrs. Hudson J C (Bessie Waldo Daniels)',
       'Andrews, Miss. Kornelia Theodosia',
       'Appleton, Mrs. Edward Dale (Charlotte Lamson)',
       'Astor, Col. John Jacob',
       'Astor, Mrs. John Jacob (Madeleine Talmadge Force)',
       'Baxter, Mr. Quigg Edmond',
       'Baxter, Mrs. James (Helene DeLaudeniere Chaput)',
       'Beckwith, Mr. Richard Leonard',
       'Beckwith, Mrs. Richard Leonard (Sallie Monypeny)',
       'Bishop, Mr. Dickinson H',
       'Bishop, Mrs. Dickinson H (Helen Walton)',
       'Bowerman, Miss. Elsie Edith',
       'Brown, Mrs. John Murray (Caroline Lane Lamson)',
       'Cardeza, Mr. Thomas Drake Martinez',
       'Cardeza, Mrs. James Warburton Martinez (Charlotte Wardle Drake)',
       'Carter, Master. William Thornton II', 'Carter, Miss. Lucile Polk',
       'Carter, Mr. William Ernest',
       'Carter, Mrs. William Ernest (Lucile Polk)',
       'Cavendish, Mr. Tyrell William',
       'Cavendish, Mrs. Tyrell William (Julia Florence Siegel)',
       'Chaffee, Mr. Herbert Fuller',
       'Chaffee, Mrs. Herbert Fuller (Carrie Constance Toogood)',
       'Chambers, Mr. Norman Campbell',
       'Chambers, Mrs. Norman Campbell (Bertha Griggs)',
       'Chibnall, Mrs. (Edith Martha Bowerman)',
       'Clark, Mr. Walter Miller',
       'Clark, Mrs. Walter Miller (Virginia McDowell)',
       'Compton, Miss. Sara Rebecca', 'Compton, Mr. Alexander Taylor Jr',
       'Compton, Mrs. Alexander Taylor (Mary Eliza Ingersoll)',
       'Cornell, Mrs. Robert Clifford (Malvina Helen Lamson)',
       'Crosby, Capt. Edward Gifford', 'Crosby, Miss. Harriet R',
       'Crosby, Mrs. Edward Gifford (Catherine Elizabeth Halstead)',
       'Cumings, Mr. John Bradley',
       'Cumings, Mrs. John Bradley (Florence Briggs Thayer)',
       'Davidson, Mr. Thornton', 'Davidson, Mrs. Thornton (Orian Hays)',
       'Dick, Mr. Albert Adrian',
       'Dick, Mrs. Albert Adrian (Vera Gillespie)',
       'Dodge, Dr. Washington', 'Dodge, Master. Washington',
       'Dodge, Mrs. Washington (Ruth Vidaver)',
       'Douglas, Mr. Walter Donald',
       'Douglas, Mrs. Frederick Charles (Mary Helene Baxter)',
       'Douglas, Mrs. Walter Donald (Mahala Dutton)',
       'Duff Gordon, Lady. (Lucille Christiana Sutherland) ("Mrs Morgan")',
       'Duff Gordon, Sir. Cosmo Edmund ("Mr Morgan")',
       'Earnshaw, Mrs. Boulton (Olive Potter)',
       'Eustis, Miss. Elizabeth Mussey', 'Fortune, Miss. Alice Elizabeth',
       'Fortune, Miss. Ethel Flora', 'Fortune, Miss. Mabel Helen',
       'Fortune, Mr. Charles Alexander', 'Fortune, Mr. Mark',
       'Fortune, Mrs. Mark (Mary McDougald)',
       'Frauenthal, Dr. Henry William', 'Frauenthal, Mr. Isaac Gerald',
       'Frauenthal, Mrs. Henry William (Clara Heinsheimer)',
       'Frolicher, Miss. Hedwig Margaritha',
       'Frolicher-Stehli, Mr. Maxmillian',
       'Frolicher-Stehli, Mrs. Maxmillian (Margaretha Emerentia Stehli)',
       'Futrelle, Mr. Jacques Heath',
       'Futrelle, Mrs. Jacques Heath (Lily May Peel)',
       'Gibson, Miss. Dorothy Winifred',
       'Gibson, Mrs. Leonard (Pauline C Boeson)',
       'Goldenberg, Mr. Samuel L',
       'Goldenberg, Mrs. Samuel L (Edwiga Grabowska)',
       'Graham, Mr. George Edward',
       'Graham, Mrs. William Thompson (Edith Junkins)',
       'Greenfield, Mr. William Bertram',
       'Greenfield, Mrs. Leo David (Blanche Strouse)',
       'Harder, Mr. George Achilles',
       'Harder, Mrs. George Achilles (Dorothy Annan)',
       'Harper, Mr. Henry Sleeper',
       'Harper, Mrs. Henry Sleeper (Myna Haxtun)',
       'Harris, Mr. Henry Birkhardt',
       'Harris, Mrs. Henry Birkhardt (Irene Wallach)',
       'Hays, Mr. Charles Melville',
       'Hays, Mrs. Charles Melville (Clara Jennings Gregg)',
       'Hippach, Miss. Jean Gertrude',
       'Hippach, Mrs. Louis Albert (Ida Sophia Fischer)',
       'Hogeboom, Mrs. John C (Anna Andrews)',
       'Holverson, Mr. Alexander Oskar',
       'Holverson, Mrs. Alexander Oskar (Mary Aline Towner)',
       'Hoyt, Mr. Frederick Maxfield',
       'Hoyt, Mrs. Frederick Maxfield (Jane Anne Forby)',
       'Kenyon, Mr. Frederick R', 'Kenyon, Mrs. Frederick R (Marion)',
       'Kimball, Mr. Edwin Nelson Jr',
       'Kimball, Mrs. Edwin Nelson Jr (Gertrude Parsons)',
       'Lines, Miss. Mary Conover',
       'Lines, Mrs. Ernest H (Elizabeth Lindsey James)',
       'Madill, Miss. Georgette Alexandra', 'Marvin, Mr. Daniel Warner',
       'Marvin, Mrs. Daniel Warner (Mary Graham Carmichael Farquarson)',
       'Meyer, Mr. Edgar Joseph', 'Meyer, Mrs. Edgar Joseph (Leila Saks)',
       'Minahan, Dr. William Edward', 'Minahan, Miss. Daisy E',
       'Minahan, Mrs. William Edward (Lillian E Thorpe)',
       'Mock, Mr. Philipp Edmund', 'Natsch, Mr. Charles H',
       'Newell, Miss. Madeleine', 'Newell, Miss. Marjorie',
       'Newell, Mr. Arthur Webster', 'Newsom, Miss. Helen Monypeny',
       'Ostby, Miss. Helene Ragnhild', 'Ostby, Mr. Engelhart Cornelius',
       'Pears, Mr. Thomas Clinton', 'Pears, Mrs. Thomas (Edith Wearne)',
       'Penasco y Castellana, Mr. Victor de Satode',
       'Penasco y Castellana, Mrs. Victor de Satode (Maria Josefa Perez de Soto y Vallejo)',
       'Potter, Mrs. Thomas Jr (Lily Alexenia Wilson)',
       'Robert, Mrs. Edward Scott (Elisabeth Walton McMillan)',
       'Rothschild, Mr. Martin',
       'Rothschild, Mrs. Martin (Elizabeth L. Barrett)',
       'Ryerson, Master. John Borie', 'Ryerson, Miss. Emily Borie',
       'Ryerson, Miss. Susan Parker "Suzette"',
       'Ryerson, Mr. Arthur Larned',
       'Ryerson, Mrs. Arthur Larned (Emily Maria Borie)',
       'Schabert, Mrs. Paul (Emma Mock)', 'Silvey, Mr. William Baird',
       'Silvey, Mrs. William Baird (Alice Munger)',
       'Smith, Mr. Lucien Philip',
       'Smith, Mrs. Lucien Philip (Mary Eloise Hughes)',
       'Snyder, Mr. John Pillsbury',
       'Snyder, Mrs. John Pillsbury (Nelle Stevenson)',
       'Spedden, Master. Robert Douglas', 'Spedden, Mr. Frederic Oakley',
       'Spedden, Mrs. Frederic Oakley (Margaretta Corning Stone)',
       'Spencer, Mr. William Augustus',
       'Spencer, Mrs. William Augustus (Marie Eugenie)',
       'Stengel, Mr. Charles Emil Henry',
       'Stengel, Mrs. Charles Emil Henry (Annie May Morris)',
       'Stephenson, Mrs. Walter Bertram (Martha Eustis)',
       'Straus, Mr. Isidor', 'Straus, Mrs. Isidor (Rosalie Ida Blun)',
       'Taussig, Miss. Ruth', 'Taussig, Mr. Emil',
       'Taussig, Mrs. Emil (Tillie Mandelbaum)',
       'Taylor, Mr. Elmer Zebley',
       'Taylor, Mrs. Elmer Zebley (Juliet Cummins Wright)',
       'Thayer, Mr. John Borland', 'Thayer, Mr. John Borland Jr',
       'Thayer, Mrs. John Borland (Marian Longstreth Morris)',
       'Warren, Mr. Frank Manley',
       'Warren, Mrs. Frank Manley (Anna Sophia Atkinson)',
       'White, Mr. Percival Wayland', 'White, Mr. Richard Frasar',
       'Wick, Miss. Mary Natalie', 'Wick, Mr. George Dennick',
       'Wick, Mrs. George Dennick (Mary Hitchcock)',
       'Widener, Mr. George Dunton', 'Widener, Mr. Harry Elkins',
       'Widener, Mrs. George Dunton (Eleanor Elkins)',
       'Williams, Mr. Charles Duane', 'Williams, Mr. Richard Norris II',
       'Abelson, Mr. Samuel', 'Abelson, Mrs. Samuel (Hannah Wizosky)',
       'Angle, Mr. William A',
       'Angle, Mrs. William A (Florence "Mary" Agnes Hughes)',
       'Beane, Mr. Edward', 'Beane, Mrs. Edward (Ethel Clarke)',
       'Becker, Master. Richard F', 'Becker, Miss. Marion Louise',
       'Becker, Miss. Ruth Elizabeth',
       'Becker, Mrs. Allen Oliver (Nellie E Baumgardner)',
       'Brown, Miss. Edith Eileen', 'Brown, Mr. Thomas William Solomon',
       'Brown, Mrs. Thomas William Solomon (Elizabeth Catherine Ford)',
       'Bryhl, Miss. Dagmar Jenny Ingeborg ',
       'Bryhl, Mr. Kurt Arnold Gottfrid', 'Caldwell, Master. Alden Gates',
       'Caldwell, Mr. Albert Francis',
       'Caldwell, Mrs. Albert Francis (Sylvia Mae Harbaugh)',
       'Carter, Mrs. Ernest Courtenay (Lilian Hughes)',
       'Carter, Rev. Ernest Courtenay', 'Chapman, Mr. John Henry',
       'Chapman, Mrs. John Henry (Sara Elizabeth Lawry)',
       'Christy, Miss. Julie Rachel', 'Christy, Mrs. (Alice Frances)',
       'Clarke, Mr. Charles Valentine',
       'Clarke, Mrs. Charles V (Ada Maria Winfield)',
       'Collyer, Miss. Marjorie "Lottie"', 'Collyer, Mr. Harvey',
       'Collyer, Mrs. Harvey (Charlotte Annie Tate)',
       'Davies, Master. John Morgan Jr',
       'Davies, Mrs. John Morgan (Elizabeth Agnes Mary White) ',
       'del Carlo, Mr. Sebastiano',
       'del Carlo, Mrs. Sebastiano (Argenia Genovesi)',
       'Doling, Miss. Elsie', 'Doling, Mrs. John T (Ada Julia Bone)',
       'Drew, Master. Marshall Brines', 'Drew, Mr. James Vivian',
       'Drew, Mrs. James Vivian (Lulu Thorne Christian)',
       'Duran y More, Miss. Asuncion', 'Duran y More, Miss. Florentina',
       'Faunthorpe, Mr. Harry',
       'Faunthorpe, Mrs. Lizzie (Elizabeth Anne Wilkinson)',
       'Gale, Mr. Harry', 'Gale, Mr. Shadrach', 'Giles, Mr. Edgar',
       'Giles, Mr. Frederick Edward', 'Hamalainen, Master. Viljo',
       'Hamalainen, Mrs. William (Anna)',
       'Harper, Miss. Annie Jessie "Nina"', 'Harper, Rev. John',
       'Hart, Miss. Eva Miriam', 'Hart, Mr. Benjamin',
       'Hart, Mrs. Benjamin (Esther Ada Bloomfield)',
       'Herman, Miss. Alice', 'Herman, Miss. Kate', 'Herman, Mr. Samuel',
       'Herman, Mrs. Samuel (Jane Laver)', 'Hickman, Mr. Leonard Mark',
       'Hickman, Mr. Lewis', 'Hickman, Mr. Stanley George',
       'Hiltunen, Miss. Marta', 'Hocking, Miss. Ellen "Nellie"',
       'Hocking, Mr. Richard George',
       'Hocking, Mrs. Elizabeth (Eliza Needs)', 'Hold, Mr. Stephen',
       'Hold, Mrs. Stephen (Annie Margaret Hill)', 'Howard, Mr. Benjamin',
       'Howard, Mrs. Benjamin (Ellen Truelove Arman)',
       'Jacobsohn, Mr. Sidney Samuel',
       'Jacobsohn, Mrs. Sidney Samuel (Amy Frances Christy)',
       'Jefferys, Mr. Clifford Thomas', 'Jefferys, Mr. Ernest Wilfred',
       'Kantor, Mr. Sinai', 'Kantor, Mrs. Sinai (Miriam Sternin)',
       'Lahtinen, Mrs. William (Anna Sylfven)', 'Lahtinen, Rev. William',
       'Laroche, Miss. Louise',
       'Laroche, Miss. Simonne Marie Anne Andree',
       'Laroche, Mr. Joseph Philippe Lemercier',
       'Laroche, Mrs. Joseph (Juliette Marie Louise Lafargue)',
       'Louch, Mr. Charles Alexander',
       'Louch, Mrs. Charles Alexander (Alice Adelaide Slow)',
       'Mallet, Master. Andre', 'Mallet, Mr. Albert',
       'Mallet, Mrs. Albert (Antoinette Magnin)',
       'Mellinger, Miss. Madeleine Violet',
       'Mellinger, Mrs. (Elizabeth Anne Maidment)',
       'Nasser, Mr. Nicholas', 'Nasser, Mrs. Nicholas (Adele Achem)',
       'Navratil, Master. Edmond Roger', 'Navratil, Master. Michel M',
       'Navratil, Mr. Michel ("Louis M Hoffman")',
       'Nicholls, Mr. Joseph Charles', 'Parrish, Mrs. (Lutie Davis)',
       'Phillips, Miss. Alice Frances Louisa',
       'Phillips, Mr. Escott Robert', 'Quick, Miss. Phyllis May',
       'Quick, Miss. Winifred Vera',
       'Quick, Mrs. Frederick Charles (Jane Richards)',
       'Renouf, Mr. Peter Henry',
       'Renouf, Mrs. Peter Henry (Lillian Jefferys)',
       'Richards, Master. George Sibley',
       'Richards, Master. William Rowe',
       'Richards, Mrs. Sidney (Emily Hocking)',
       'Shelley, Mrs. William (Imanita Parrish Hall)',
       'Silven, Miss. Lyyli Karoliina', 'Turpin, Mr. William John Robert',
       'Turpin, Mrs. William John Robert (Dorothy Ann Wonnacott)',
       'Ware, Mr. John James', 'Ware, Mr. William Jeffery',
       'Weisz, Mr. Leopold',
       'Weisz, Mrs. Leopold (Mathilde Francoise Pede)',
       'Wells, Master. Ralph Lester', 'Wells, Miss. Joan',
       'Wells, Mrs. Arthur Henry ("Addie" Dart Trevaskis)',
       'West, Miss. Barbara J', 'West, Miss. Constance Mirium',
       'West, Mr. Edwy Arthur', 'West, Mrs. Edwy Arthur (Ada Mary Worth)',
       'Abbott, Master. Eugene Joseph', 'Abbott, Mr. Rossmore Edward',
       'Abbott, Mrs. Stanton (Rosa Hunt)',
       'Ahlin, Mrs. Johan (Johanna Persdotter Larsson)',
       'Aks, Master. Philip Frank', 'Aks, Mrs. Sam (Leah Rosen)',
       'Andersen-Jensen, Miss. Carla Christine Nielsine',
       'Andersson, Master. Sigvard Harald Elias',
       'Andersson, Miss. Ebba Iris Alfrida',
       'Andersson, Miss. Ellis Anna Maria',
       'Andersson, Miss. Erna Alexandra',
       'Andersson, Miss. Ida Augusta Margareta',
       'Andersson, Miss. Ingeborg Constanzia',
       'Andersson, Miss. Sigrid Elisabeth', 'Andersson, Mr. Anders Johan',
       'Andersson, Mrs. Anders Johan (Alfrida Konstantia Brogren)',
       'Arnold-Franchi, Mr. Josef',
       'Arnold-Franchi, Mrs. Josef (Josefine Franchi)',
       'Asplund, Master. Carl Edgar',
       'Asplund, Master. Clarence Gustaf Hugo',
       'Asplund, Master. Edvin Rojj Felix',
       'Asplund, Master. Filip Oscar', 'Asplund, Miss. Lillian Gertrud',
       'Asplund, Mr. Carl Oscar Vilhelm Gustafsson',
       'Asplund, Mrs. Carl Oscar (Selma Augusta Emilia Johansson)',
       'Backstrom, Mr. Karl Alfred',
       'Backstrom, Mrs. Karl Alfred (Maria Mathilda Gustafsson)',
       'Baclini, Miss. Eugenie', 'Baclini, Miss. Helene Barbara',
       'Baclini, Miss. Marie Catherine',
       'Baclini, Mrs. Solomon (Latifa Qurban)', 'Barbara, Miss. Saiide',
       'Barbara, Mrs. (Catherine David)', 'Boulos, Master. Akar',
       'Boulos, Miss. Nourelain', 'Boulos, Mrs. Joseph (Sultana)',
       'Bourke, Miss. Mary', 'Bourke, Mr. John',
       'Bourke, Mrs. John (Catherine)', 'Braund, Mr. Lewis Richard',
       'Braund, Mr. Owen Harris', 'Caram, Mr. Joseph',
       'Caram, Mrs. Joseph (Maria Elias)', 'Chronopoulos, Mr. Apostolos',
       'Chronopoulos, Mr. Demetrios',
       'Coutts, Master. Eden Leslie "Neville"',
       'Coutts, Master. William Loch "William"',
       'Coutts, Mrs. William (Winnie "Minnie" Treanor)',
       'Cribb, Miss. Laura Alice', 'Cribb, Mr. John Hatfield',
       'Danbom, Master. Gilbert Sigvard Emanuel',
       'Danbom, Mr. Ernst Gilbert',
       'Danbom, Mrs. Ernst Gilbert (Anna Sigrid Maria Brogren)',
       'Davies, Mr. Alfred J', 'Davies, Mr. John Samuel',
       'Davies, Mr. Joseph', 'Davison, Mr. Thomas Henry',
       'Davison, Mrs. Thomas Henry (Mary E Finck)',
       'de Messemaeker, Mr. Guillaume Joseph',
       'de Messemaeker, Mrs. Guillaume Joseph (Emma)',
       'Dean, Master. Bertram Vere',
       'Dean, Miss. Elizabeth Gladys "Millvina"',
       'Dean, Mr. Bertram Frank',
       'Dean, Mrs. Bertram (Eva Georgetta Light)',
       'Dyker, Mr. Adolf Fredrik',
       'Dyker, Mrs. Adolf Fredrik (Anna Elisabeth Judith Andersson)',
       'Elias, Mr. Joseph', 'Elias, Mr. Joseph Jr', 'Elias, Mr. Tannous',
       'Ford, Miss. Doolina Margaret "Daisy"',
       'Ford, Miss. Robina Maggie "Ruby"', 'Ford, Mr. Edward Watson',
       'Ford, Mr. William Neal',
       'Ford, Mrs. Edward (Margaret Ann Watson)',
       'Goldsmith, Master. Frank John William "Frankie"',
       'Goldsmith, Mr. Frank John',
       'Goldsmith, Mrs. Frank John (Emily Alice Brown)',
       'Goodwin, Master. Harold Victor',
       'Goodwin, Master. Sidney Leonard',
       'Goodwin, Master. William Frederick',
       'Goodwin, Miss. Jessie Allis', 'Goodwin, Miss. Lillian Amy',
       'Goodwin, Mr. Charles Edward', 'Goodwin, Mr. Charles Frederick',
       'Goodwin, Mrs. Frederick (Augusta Tyler)',
       'Gustafsson, Mr. Anders Vilhelm', 'Gustafsson, Mr. Johan Birger',
       'Hagland, Mr. Ingvald Olai Olsen',
       'Hagland, Mr. Konrad Mathias Reiersen',
       'Hakkarainen, Mr. Pekka Pietari',
       'Hakkarainen, Mrs. Pekka Pietari (Elin Matilda Dolck)',
       'Hansen, Mr. Claus Peter', 'Hansen, Mr. Henrik Juul',
       'Hansen, Mrs. Claus Peter (Jennie L Howard)',
       'Hirvonen, Miss. Hildur E',
       'Hirvonen, Mrs. Alexander (Helga E Lindqvist)',
       'Ilmakangas, Miss. Ida Livija', 'Ilmakangas, Miss. Pieta Sofia',
       'Jensen, Mr. Svend Lauritz', 'Johnson, Master. Harold Theodor',
       'Johnson, Miss. Eleanor Ileen',
       'Johnson, Mrs. Oscar W (Elisabeth Vilhelmina Berg)',
       'Johnston, Master. William Arthur "Willie"',
       'Johnston, Miss. Catherine Helen "Carrie"',
       'Johnston, Mr. Andrew G',
       'Johnston, Mrs. Andrew G (Elizabeth "Lily" Watson)',
       'Jussila, Miss. Katriina', 'Jussila, Miss. Mari Aina',
       'Karun, Miss. Manca', 'Karun, Mr. Franz', 'Khalil, Mr. Betros',
       'Khalil, Mrs. Betros (Zahie "Maria" Elias)', 'Kiernan, Mr. John',
       'Kiernan, Mr. Philip', 'Kink, Miss. Maria', 'Kink, Mr. Vincenz',
       'Kink-Heilmann, Miss. Luise Gretchen', 'Kink-Heilmann, Mr. Anton',
       'Kink-Heilmann, Mrs. Anton (Luise Heilmann)',
       'Klasen, Miss. Gertrud Emilia', 'Klasen, Mr. Klas Albin',
       'Klasen, Mrs. (Hulda Kristina Eugenia Lofqvist)',
       'Lefebre, Master. Henry Forbes', 'Lefebre, Miss. Ida',
       'Lefebre, Miss. Jeannie', 'Lefebre, Miss. Mathilde',
       'Lefebre, Mrs. Frank (Frances)', 'Lennon, Miss. Mary',
       'Lennon, Mr. Denis', 'Lindell, Mr. Edvard Bengtsson',
       'Lindell, Mrs. Edvard Bengtsson (Elin Gerda Persson)',
       'Lindqvist, Mr. Eino William', 'Lobb, Mr. William Arthur',
       'Lobb, Mrs. William Arthur (Cordelia K Stanlick)',
       'McCoy, Miss. Agnes', 'McCoy, Miss. Alicia', 'McCoy, Mr. Bernard',
       'McNamee, Mr. Neal', "McNamee, Mrs. Neal (Eileen O'Leary)",
       'Moor, Master. Meier', 'Moor, Mrs. (Beila)', 'Moran, Miss. Bertha',
       'Moran, Mr. Daniel J', 'Moubarek, Master. Gerios',
       'Moubarek, Master. Halim Gonios ("William George")',
       'Moubarek, Mrs. George (Omine "Amenia" Alexander)',
       'Murphy, Miss. Katherine "Kate"', 'Murphy, Miss. Margaret Jane',
       'Nakid, Miss. Maria ("Mary")', 'Nakid, Mr. Sahid',
       'Nakid, Mrs. Said (Waika "Mary" Mowad)',
       'Nicola-Yarred, Master. Elias', 'Nicola-Yarred, Miss. Jamila',
       "O'Brien, Mr. Thomas",
       'O\'Brien, Mrs. Thomas (Johanna "Hannah" Godfrey)',
       'Olsen, Master. Artur Karl', 'Olsen, Mr. Karl Siegwart Andreas',
       'Palsson, Master. Gosta Leonard', 'Palsson, Master. Paul Folke',
       'Palsson, Miss. Stina Viola', 'Palsson, Miss. Torborg Danira',
       'Palsson, Mrs. Nils (Alma Cornelia Berglund)',
       'Panula, Master. Eino Viljami', 'Panula, Master. Juha Niilo',
       'Panula, Master. Urho Abraham', 'Panula, Mr. Ernesti Arvid',
       'Panula, Mr. Jaako Arnold',
       'Panula, Mrs. Juha (Maria Emilia Ojala)',
       'Peacock, Master. Alfred Edward', 'Peacock, Miss. Treasteall',
       'Peacock, Mrs. Benjamin (Edith Nile)', 'Persson, Mr. Ernst Ulrik',
       'Peter, Master. Michael J', 'Peter, Miss. Anna',
       'Peter, Mrs. Catherine (Catherine Rizk)',
       'Petterson, Mr. Johan Emil', 'Rice, Master. Albert',
       'Rice, Master. Arthur', 'Rice, Master. Eric',
       'Rice, Master. Eugene', 'Rice, Master. George Hugh',
       'Rice, Mrs. William (Margaret Norton)', 'Robins, Mr. Alexander A',
       'Robins, Mrs. Alexander A (Grace Charity Laury)',
       'Rosblom, Miss. Salli Helena', 'Rosblom, Mr. Viktor Richard',
       'Rosblom, Mrs. Viktor (Helena Wilhelmina)',
       'Sage, Master. Thomas Henry', 'Sage, Master. William Henry',
       'Sage, Miss. Ada', 'Sage, Miss. Constance Gladys',
       'Sage, Miss. Dorothy Edith "Dolly"', 'Sage, Miss. Stella Anna',
       'Sage, Mr. Douglas Bullen', 'Sage, Mr. Frederick',
       'Sage, Mr. George John Jr', 'Sage, Mr. John George',
       'Sage, Mrs. John (Annie Bullen)', 'Samaan, Mr. Elias',
       'Samaan, Mr. Hanna', 'Samaan, Mr. Youssef',
       'Sandstrom, Miss. Beatrice Irene',
       'Sandstrom, Mrs. Hjalmar (Agnes Charlotta Bengtsson)',
       'Sandstrom, Miss. Marguerite Rut', 'Skoog, Master. Harald',
       'Skoog, Master. Karl Thorsten', 'Skoog, Miss. Mabel',
       'Skoog, Miss. Margit Elizabeth', 'Skoog, Mr. Wilhelm',
       'Skoog, Mrs. William (Anna Bernhardina Karlsson)',
       'Strom, Miss. Telma Matilda',
       'Strom, Mrs. Wilhelm (Elna Matilda Persson)',
       'Thomas, Master. Assad Alexander', 'Thomas, Mr. Charles P',
       'Thomas, Mrs. Alexander (Thamine "Thelma")',
       'Thorneycroft, Mr. Percival',
       'Thorneycroft, Mrs. Percival (Florence Kate White)',
       'Touma, Master. Georges Youssef', 'Touma, Miss. Maria Youssef',
       'Touma, Mrs. Darwis (Hanne Youssef Razi)',
       'van Billiard, Master. James William',
       'van Billiard, Master. Walter John',
       'van Billiard, Mr. Austin Blyler', 'Van Impe, Miss. Catharina',
       'Van Impe, Mr. Jean Baptiste',
       'Van Impe, Mrs. Jean Baptiste (Rosalie Paula Govaert)',
       'Vander Planke, Miss. Augusta Maria', 'Vander Planke, Mr. Julius',
       'Vander Planke, Mr. Leo Edmondus',
       'Vander Planke, Mrs. Julius (Emelia Maria Vandemoortele)',
       'Wiklund, Mr. Jakob Alfred', 'Wiklund, Mr. Karl Johan',
       'Wilkes, Mrs. James (Ellen Needs)', 'Yasbeck, Mr. Antoni',
       'Yasbeck, Mrs. Antoni (Selini Alexander)', 'Zabour, Miss. Hileni',
       'Zabour, Miss. Thamine'], dtype=object)

rodziny = df[(df['sibsp'] > 0) | (df['parch'] > 0)].copy()
# Tworzenie kopii kolumny 'name' - 'surname', gdzie zapisane są tylko części nazwisk przed przecinkiem

rodziny['surname'] = rodziny['name'].str.split(',', expand=True)[0].str.strip()
# Zliczanie unikalnych nazwisk
unique_surnames_count = rodziny['surname'].nunique()
print("Liczba unikalnych nazwisk:", unique_surnames_count)

Liczba unikalnych nazwisk: 209

'boat'

Według Wikipedii na „Titanicu” było 20 szalup.

df2 = df.copy()
ilość_łodzi = df2['boat'].unique()
print(ilość_łodzi)
# Liczba unikalnych wartości w kolumnie 'boat'
liczba_unikalnych = df2['boat'].nunique()
print("Liczba unikalnych wartości w kolumnie 'boat':", liczba_unikalnych)

['2' '11' nan '3' '10' 'D' '4' '9' '6' 'B' '8' 'A' '5' '7' 'C' '14' '5 9'
 '13' '1' '15' '5 7' '8 10' '12' '16' '13 15 B' 'C D' '15 16' '13 15']
Liczba unikalnych wartości w kolumnie 'boat': 27

Kolumna ma jednak 27 oznaczen dla szalup.

Podmiana oznaczenia szalup (zastąpienie błędnego oznaczenia, przez zignorowanie ciągu znaków za spacją)

# Podmiana oznaczenia szalup (zastąpienie błędnego oznaczenia, przez zignorowanie ciągu znaków za spacją)
# Zastąpienie wartości przy użyciu słownika
zastap_boat =  {'5 7':'5',
                '5 9':'5',
                '8 10':'8',
                '13 15': '13',
                '13 15 B': '13',
                '15 16':'15',
                'C D':'C'
               }

df2['boat'] = df2['boat'].replace(zastap_boat)
# wylistowanie kontrolne
ilość_łodzi = df2['boat'].unique()
print(ilość_łodzi)
# Liczba unikalnych wartości w kolumnie 'boat'
liczba_unikalnych = df2['boat'].nunique()
print("Liczba unikalnych wartości w kolumnie 'boat':", liczba_unikalnych)

['2' '11' nan '3' '10' 'D' '4' '9' '6' 'B' '8' 'A' '5' '7' 'C' '14' '13'
 '1' '15' '12' '16']
Liczba unikalnych wartości w kolumnie 'boat': 20

# Zapełnienie rozbitkami pro szalupę
# Zliczanie liczby osób w każdej szalupie
liczba_osob_w_szalupach = df2.groupby('boat').size()
# Wyświetlanie wyników
print('Liczba osób w każdej szalupie:')
liczba_osob_w_szalupach

Liczba osób w każdej szalupie:

boat
1      5
10    29
11    25
12    19
13    42
14    33
15    38
16    23
2     13
3     26
4     31
5     30
6     20
7     23
8     24
9     25
A     11
B      9
C     40
D     20
dtype: int64

calkowita_liczba_osob = liczba_osob_w_szalupach.sum()
# Wyświetlanie wyniku
print(f'Całkowita liczba osób we wszystkich szalupach: {calkowita_liczba_osob}')

Całkowita liczba osób we wszystkich szalupach: 486

Wnioski:

• Porównując surrvived = 500, w szalupach uratowało się 486 rozbitków.

najwiecej_osób_w_szalupie = max(liczba_osob_w_szalupach)
print("Najwiecej osób w szalupie:", najwiecej_osób_w_szalupie)

Najwiecej osób w szalupie: 42

najmniej_osób_w_szalupie = min(liczba_osob_w_szalupach)
print("Najmniej osób w szalupie:", najmniej_osób_w_szalupie)

Najmniej osób w szalupie: 5

Wnioski:

• Najmniejsza liczba rozbitków w szalupie wyniosła 1, największa 39.

'age'

# Czy wartości w kolumnie 'age' są normalne dla wieku ludzkiego?

# Wartosci min i max dla kolumny 'age'
min_age = df2['age'].min()
max_age = df2['age'].max()

print(f"Minimalna wartość wieku: {min_age}")
print(f"Maksymalna wartość wieku: {max_age}")

Minimalna wartość wieku: 0.1667
Maksymalna wartość wieku: 80.0

Wnioski:

• wartości są naturalne dla wieku ludzi

'embarked'

miejsceWsiadania = df2['embarked'].unique()
print(miejsceWsiadania)

['S' 'C' nan 'Q']

# Mapowanie object na wartości numeryczne
df2['embarked'] = df2['embarked'].map({'C': 1, 'Q': 2, 'S': 3})

'body'

# Liczba odnalezionych ciał
liczba_ciał = df['body'].count()
liczba_ciał

121

# Przekształcenie kolumny 'body' na listę i usunięcie wartości NaN
liczba_cial = df['body'].dropna().tolist()
# Sortowanie listy w kolejności rosnącej
liczba_cial.sort()
# Wypisanie posortowanej listy
print("Liczba odnalezionych ciał w kolejności rosnącej:", liczba_cial)

Liczba odnalezionych ciał w kolejności rosnącej: [1.0, 4.0, 7.0, 9.0, 14.0, 15.0, 16.0, 17.0, 18.0, 19.0, 22.0, 32.0, 35.0, 37.0, 38.0, 43.0, 45.0, 46.0, 47.0, 50.0, 51.0, 52.0, 53.0, 58.0, 61.0, 62.0, 67.0, 68.0, 69.0, 70.0, 72.0, 75.0, 79.0, 80.0, 81.0, 89.0, 96.0, 97.0, 98.0, 101.0, 103.0, 108.0, 109.0, 110.0, 119.0, 120.0, 121.0, 122.0, 124.0, 126.0, 130.0, 131.0, 133.0, 135.0, 142.0, 143.0, 147.0, 148.0, 149.0, 153.0, 155.0, 156.0, 165.0, 166.0, 169.0, 171.0, 172.0, 173.0, 174.0, 175.0, 176.0, 181.0, 187.0, 188.0, 189.0, 190.0, 196.0, 197.0, 201.0, 206.0, 207.0, 208.0, 209.0, 230.0, 232.0, 234.0, 236.0, 245.0, 249.0, 255.0, 256.0, 258.0, 259.0, 260.0, 261.0, 263.0, 269.0, 271.0, 275.0, 283.0, 284.0, 285.0, 286.0, 287.0, 292.0, 293.0, 294.0, 295.0, 297.0, 298.0, 299.0, 304.0, 305.0, 306.0, 307.0, 309.0, 312.0, 314.0, 322.0, 327.0, 328.0]

Wniosek:

• Pomimo najwyższej liczby 328, nie oznacza to, że było 328 odnalezionych ciał. Posortowanie w kolejności rosnącej pokazuje brakujące numery.

# Sprawdzenie kolumn na sprzeczności, że jest numer ciała, a osoba przeżyła
# Sprawdzenie wierszy, gdzie 'survived' == 1.0 oraz 'body' nie jest NaN
pary_sprzeczne = df2[(df2['survived'] == 1.0) & (df2['body'].notna())]
# Wyświetlenie wierszy sprzecznych
pary_sprzeczne

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest

Wniosek:

• Dane w kolumnie body nie stoją w sprzeczności z kolumną survived.

'survived'

# Liczba pasażerów, którzy nie przeżyli
liczba_ofiar = df2[df2['survived'] == 0].shape[0]
print("liczba_ofiar:", liczba_ofiar)

liczba_ofiar: 807

# Liczba pasażerów, którzy przeżyli
liczba_ocalonych = df2['survived'].sum()
print("liczba_ocalonych:", liczba_ocalonych)

liczba_ocalonych: 500.0

print(f'liczba_pasażerów, którzy przeżyli w katastrofie:')
szczęściarze = df2[df2['survived']>0]
liczba_szczęściarzy = szczęściarze['survived'].count()
liczba_szczęściarzy

liczba_pasażerów, którzy przeżyli w katastrofie:

500

# jaką klasę biletu posiadali szczęściarze
print('Klasy biletów, które posiadali pasażerowie, którzy przeżyli:')
bilety_szczęściarzy = szczęściarze.groupby('pclass')['survived'].count()
bilety_szczęściarzy

Klasy biletów, które posiadali pasażerowie, którzy przeżyli:

pclass
1.0    200
2.0    119
3.0    181
Name: survived, dtype: int64

'ticket'

# Wylistowanie wartości
powtórzenia = df['ticket'].value_counts()
powtórzenia
for ticket, count in powtórzenia.items():
    if count >= 5:
        print(f'Bilet: {ticket}, zliczeń: {count}')

Bilet: CA. 2343, zliczeń: 11
Bilet: 1601, zliczeń: 8
Bilet: CA 2144, zliczeń: 8
Bilet: PC 17608, zliczeń: 7
Bilet: 347077, zliczeń: 7
Bilet: 347082, zliczeń: 7
Bilet: 3101295, zliczeń: 7
Bilet: S.O.C. 14879, zliczeń: 7
Bilet: 113781, zliczeń: 6
Bilet: 19950, zliczeń: 6
Bilet: 382652, zliczeń: 6
Bilet: 347088, zliczeń: 6
Bilet: PC 17757, zliczeń: 5
Bilet: 349909, zliczeń: 5
Bilet: 16966, zliczeń: 5
Bilet: 4133, zliczeń: 5
Bilet: 220845, zliczeń: 5
Bilet: 113503, zliczeń: 5
Bilet: W./C. 6608, zliczeń: 5

# Filtrowanie DataFrame dla ticket == 'CA. 2343' i wybranie pierwszych 10 wierszy
filtered_df = df[df['ticket'] == 'CA. 2343']
filtered_df.head(11)

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
1170	3.0	0.0	Sage, Master. Thomas Henry	0	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1171	3.0	0.0	Sage, Master. William Henry	0	14.5	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	67.0	NaN
1172	3.0	0.0	Sage, Miss. Ada	1	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1173	3.0	0.0	Sage, Miss. Constance Gladys	1	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1174	3.0	0.0	Sage, Miss. Dorothy Edith "Dolly"	1	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1175	3.0	0.0	Sage, Miss. Stella Anna	1	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1176	3.0	0.0	Sage, Mr. Douglas Bullen	0	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1177	3.0	0.0	Sage, Mr. Frederick	0	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1178	3.0	0.0	Sage, Mr. George John Jr	0	NaN	8.0	2.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1179	3.0	0.0	Sage, Mr. John George	0	NaN	1.0	9.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN
1180	3.0	0.0	Sage, Mrs. John (Annie Bullen)	1	NaN	1.0	9.0	CA. 2343	69.55	Unknown	S	NaN	NaN	NaN

grouped_by_ticket = df.groupby('ticket').agg({'fare': 'mean', 'pclass': 'first'})

# Iteracja po wynikach dla każdego biletu
for ticket, count in powtórzenia.items():
    if count >= 5:
        if ticket in grouped_by_ticket.index:
            data = grouped_by_ticket.loc[ticket]
            print(f"Bilet: {ticket}")
            print(f"  zliczenia powtórzeń: {count}")
            print(f"  średnia cena biletu: {data['fare']}")
            print(f"  klasa biletu: {data['pclass']}")
            
        print("-" * 30)

Bilet: CA. 2343
  zliczenia powtórzeń: 11
  średnia cena biletu: 69.55
  klasa biletu: 3.0
------------------------------
Bilet: 1601
  zliczenia powtórzeń: 8
  średnia cena biletu: 56.4958
  klasa biletu: 3.0
------------------------------
Bilet: CA 2144
  zliczenia powtórzeń: 8
  średnia cena biletu: 46.9
  klasa biletu: 3.0
------------------------------
Bilet: PC 17608
  zliczenia powtórzeń: 7
  średnia cena biletu: 262.375
  klasa biletu: 1.0
------------------------------
Bilet: 347077
  zliczenia powtórzeń: 7
  średnia cena biletu: 31.3875
  klasa biletu: 3.0
------------------------------
Bilet: 347082
  zliczenia powtórzeń: 7
  średnia cena biletu: 31.275
  klasa biletu: 3.0
------------------------------
Bilet: 3101295
  zliczenia powtórzeń: 7
  średnia cena biletu: 39.6875
  klasa biletu: 3.0
------------------------------
Bilet: S.O.C. 14879
  zliczenia powtórzeń: 7
  średnia cena biletu: 73.5
  klasa biletu: 2.0
------------------------------
Bilet: 113781
  zliczenia powtórzeń: 6
  średnia cena biletu: 151.55
  klasa biletu: 1.0
------------------------------
Bilet: 19950
  zliczenia powtórzeń: 6
  średnia cena biletu: 263.0
  klasa biletu: 1.0
------------------------------
Bilet: 382652
  zliczenia powtórzeń: 6
  średnia cena biletu: 29.125
  klasa biletu: 3.0
------------------------------
Bilet: 347088
  zliczenia powtórzeń: 6
  średnia cena biletu: 27.899999999999995
  klasa biletu: 3.0
------------------------------
Bilet: PC 17757
  zliczenia powtórzeń: 5
  średnia cena biletu: 227.525
  klasa biletu: 1.0
------------------------------
Bilet: 349909
  zliczenia powtórzeń: 5
  średnia cena biletu: 21.075
  klasa biletu: 3.0
------------------------------
Bilet: 16966
  zliczenia powtórzeń: 5
  średnia cena biletu: 134.5
  klasa biletu: 1.0
------------------------------
Bilet: 4133
  zliczenia powtórzeń: 5
  średnia cena biletu: 25.4667
  klasa biletu: 3.0
------------------------------
Bilet: 220845
  zliczenia powtórzeń: 5
  średnia cena biletu: 65.0
  klasa biletu: 2.0
------------------------------
Bilet: 113503
  zliczenia powtórzeń: 5
  średnia cena biletu: 211.5
  klasa biletu: 1.0
------------------------------
Bilet: W./C. 6608
  zliczenia powtórzeń: 5
  średnia cena biletu: 34.375
  klasa biletu: 3.0
------------------------------

# Wyświetlenie tylko danych dla biletu 'CA 2144'
t = 'CA 2144'
for ticket, count in powtórzenia.items():
    if ticket == t:
        print(f"Bilet: {ticket}, zliczeń: {count}")
        data = grouped_by_ticket.loc[ticket]
        print(f"  średnia cena biletu: {data['fare']}")
        print(f"  klasa biletu: {data['pclass']}")
        
filtered_df = df[df['ticket'] == t]
# Wypisanie minimalnej i maksymalnej wartości dla kolumny 'age'
min_age = filtered_df['age'].min()
max_age = filtered_df['age'].max()

print(f"  minimalny wiek: {min_age}")
print(f"  maksymalny wiek: {max_age}")
filtered_df.head(10)

Bilet: CA 2144, zliczeń: 8
  średnia cena biletu: 46.9
  klasa biletu: 3.0
  minimalny wiek: 1.0
  maksymalny wiek: 43.0

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
825	3.0	0.0	Goodwin, Master. Harold Victor	0	9.0	5.0	2.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY
826	3.0	0.0	Goodwin, Master. Sidney Leonard	0	1.0	5.0	2.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY
827	3.0	0.0	Goodwin, Master. William Frederick	0	11.0	5.0	2.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY
828	3.0	0.0	Goodwin, Miss. Jessie Allis	1	10.0	5.0	2.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY
829	3.0	0.0	Goodwin, Miss. Lillian Amy	1	16.0	5.0	2.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY
830	3.0	0.0	Goodwin, Mr. Charles Edward	0	14.0	5.0	2.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY
831	3.0	0.0	Goodwin, Mr. Charles Frederick	0	40.0	1.0	6.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY
832	3.0	0.0	Goodwin, Mrs. Frederick (Augusta Tyler)	1	43.0	1.0	6.0	CA 2144	46.9	Unknown	S	NaN	NaN	Wiltshire, England Niagara Falls, NY

# Iterowanie po zliczeniach biletów i wyświetlanie wyników z dodatkowymi informacjami
for ticket, count in powtórzenia.items():
    if count >= 5:
        print(f"Bilet: {ticket}, zliczeń: {count}")
        data = grouped_by_ticket.loc[ticket]
        print(f"  Średnia cena: {data['fare']}")
        print(f"  Klasa: {data['pclass']}")
        
        print("-" * 30)

Bilet: CA. 2343, zliczeń: 11
  Średnia cena: 69.55
  Klasa: 3.0
------------------------------
Bilet: 1601, zliczeń: 8
  Średnia cena: 56.4958
  Klasa: 3.0
------------------------------
Bilet: CA 2144, zliczeń: 8
  Średnia cena: 46.9
  Klasa: 3.0
------------------------------
Bilet: PC 17608, zliczeń: 7
  Średnia cena: 262.375
  Klasa: 1.0
------------------------------
Bilet: 347077, zliczeń: 7
  Średnia cena: 31.3875
  Klasa: 3.0
------------------------------
Bilet: 347082, zliczeń: 7
  Średnia cena: 31.275
  Klasa: 3.0
------------------------------
Bilet: 3101295, zliczeń: 7
  Średnia cena: 39.6875
  Klasa: 3.0
------------------------------
Bilet: S.O.C. 14879, zliczeń: 7
  Średnia cena: 73.5
  Klasa: 2.0
------------------------------
Bilet: 113781, zliczeń: 6
  Średnia cena: 151.55
  Klasa: 1.0
------------------------------
Bilet: 19950, zliczeń: 6
  Średnia cena: 263.0
  Klasa: 1.0
------------------------------
Bilet: 382652, zliczeń: 6
  Średnia cena: 29.125
  Klasa: 3.0
------------------------------
Bilet: 347088, zliczeń: 6
  Średnia cena: 27.899999999999995
  Klasa: 3.0
------------------------------
Bilet: PC 17757, zliczeń: 5
  Średnia cena: 227.525
  Klasa: 1.0
------------------------------
Bilet: 349909, zliczeń: 5
  Średnia cena: 21.075
  Klasa: 3.0
------------------------------
Bilet: 16966, zliczeń: 5
  Średnia cena: 134.5
  Klasa: 1.0
------------------------------
Bilet: 4133, zliczeń: 5
  Średnia cena: 25.4667
  Klasa: 3.0
------------------------------
Bilet: 220845, zliczeń: 5
  Średnia cena: 65.0
  Klasa: 2.0
------------------------------
Bilet: 113503, zliczeń: 5
  Średnia cena: 211.5
  Klasa: 1.0
------------------------------
Bilet: W./C. 6608, zliczeń: 5
  Średnia cena: 34.375
  Klasa: 3.0
------------------------------

'fare'

# cena biletu vs. klasa
df2.groupby('pclass', as_index=False).agg(
    {
    'fare': ['min','median','max', 'mean','std']
    }
    )

	pclass	fare
		min	median	max	mean	std
0	1.0	0.0	60.0000	512.3292	87.508992	80.447178
1	2.0	0.0	15.0458	73.5000	21.179196	13.607122
2	3.0	0.0	8.0500	69.5500	13.318365	11.506956

# Ile znajdziemy wierszy z opłatą == 0 ?
# Filtrujemy wiersze, gdzie wartość w kolumnie 'fare' wynosi 0
fare_zero = df[df['fare'] == 0]

# Liczenie liczby wierszy w kolumnie 'fare'
number_of_fare_zero = fare_zero['fare'].count()
print(f"Liczba wierszy z ceną za bilet równą 0 dollars: {number_of_fare_zero}")
fare_zero

Liczba wierszy z ceną za bilet równą 0 dollars: 17

	pclass	survived	name	sex	age	sibsp	parch	ticket	fare	cabin	embarked	boat	body	home.dest
7	1.0	0.0	Andrews, Mr. Thomas Jr	0	39.0	0.0	0.0	112050	0.0	A36	S	NaN	NaN	Belfast, NI
70	1.0	0.0	Chisholm, Mr. Roderick Robert Crispin	0	NaN	0.0	0.0	112051	0.0	Unknown	S	NaN	NaN	Liverpool, England / Belfast
125	1.0	0.0	Fry, Mr. Richard	0	NaN	0.0	0.0	112058	0.0	B102	S	NaN	NaN	NaN
150	1.0	0.0	Harrison, Mr. William	0	40.0	0.0	0.0	112059	0.0	B94	S	NaN	110.0	NaN
170	1.0	1.0	Ismay, Mr. Joseph Bruce	0	49.0	0.0	0.0	112058	0.0	B52 B54 B56	S	C	NaN	Liverpool
223	1.0	0.0	Parr, Mr. William Henry Marsh	0	NaN	0.0	0.0	112052	0.0	Unknown	S	NaN	NaN	Belfast
234	1.0	0.0	Reuchlin, Jonkheer. John George	0	38.0	0.0	0.0	19972	0.0	Unknown	S	NaN	NaN	Rotterdam, Netherlands
363	2.0	0.0	Campbell, Mr. William	0	NaN	0.0	0.0	239853	0.0	Unknown	S	NaN	NaN	Belfast
384	2.0	0.0	Cunningham, Mr. Alfred Fleming	0	NaN	0.0	0.0	239853	0.0	Unknown	S	NaN	NaN	Belfast
410	2.0	0.0	Frost, Mr. Anthony Wood "Archie"	0	NaN	0.0	0.0	239854	0.0	Unknown	S	NaN	NaN	Belfast
473	2.0	0.0	Knight, Mr. Robert J	0	NaN	0.0	0.0	239855	0.0	Unknown	S	NaN	NaN	Belfast
528	2.0	0.0	Parkes, Mr. Francis "Frank"	0	NaN	0.0	0.0	239853	0.0	Unknown	S	NaN	NaN	Belfast
581	2.0	0.0	Watson, Mr. Ennis Hastings	0	NaN	0.0	0.0	239856	0.0	Unknown	S	NaN	NaN	Belfast
896	3.0	0.0	Johnson, Mr. Alfred	0	49.0	0.0	0.0	LINE	0.0	Unknown	S	NaN	NaN	NaN
898	3.0	0.0	Johnson, Mr. William Cahoone Jr	0	19.0	0.0	0.0	LINE	0.0	Unknown	S	NaN	NaN	NaN
963	3.0	0.0	Leonard, Mr. Lionel	0	36.0	0.0	0.0	LINE	0.0	Unknown	S	NaN	NaN	NaN
1254	3.0	1.0	Tornquist, Mr. William Henry	0	25.0	0.0	0.0	LINE	0.0	Unknown	S	15	NaN	NaN

Opis statystyczny

df2.describe()

	pclass	survived	sex	age	sibsp	parch	fare	embarked	body
count	1307.000000	1307.000000	1307.000000	1044.000000	1307.000000	1307.000000	1306.000000	1305.000000	121.000000
mean	2.293803	0.382555	0.355777	29.867497	0.499617	0.385616	33.334462	2.492720	160.809917
std	0.838022	0.486197	0.478931	14.420680	1.042273	0.866092	51.788712	0.815015	97.696922
min	1.000000	0.000000	0.000000	0.166700	0.000000	0.000000	0.000000	1.000000	1.000000
25%	2.000000	0.000000	0.000000	21.000000	0.000000	0.000000	7.895800	2.000000	72.000000
50%	3.000000	0.000000	0.000000	28.000000	0.000000	0.000000	14.454200	3.000000	155.000000
75%	3.000000	1.000000	1.000000	39.000000	1.000000	0.000000	31.275000	3.000000	256.000000
max	3.000000	1.000000	1.000000	80.000000	8.000000	9.000000	512.329200	3.000000	328.000000

1.1.1. Podsumowanie wstępnej analizy i transformacji zbioru danych

Zbiór pierwotnie składa się z 1310 wierszy i 14 kolumn. Elementy zbioru, które zostały usunięte:

• ostatni wiersz 1309 ze zbioru składa się wyłącznie z wartości NaN
• te wiersze, które duplikują nazwiska i mają najwięcej kolumn z NaN. Usunięcie wierszy 726 i 925.

Ostatecznie pozostało 1307 rekordów.

Najwięcej brakujących wartości NaN jest w kolumnach:

• age 20%
• cabin 77%
• boat 63%
• body 91%
• home.dest 43%

Zbadano jaki jest powód brakujących wartości NaN:

• kolumna 'age' zawiera 623 NaN. Po sprawdzeniu nie znalazłem wartości anormalnych lub błędnych. Wartości w kolumnie 'age' są naturalne dla wieku ludzi. Nie zastępowałem Nan innymi wartościami.

• kolumna 'body' zawiera 1186 NaN, co jest prawidłowe i zgodne z obliczoną liczbą 121 znalezionych ciał na 1307 pasażerów. Kolumna body ma 121 numerów ciał. Pomimo najwyższej liczby 328, nie oznacza to, że było 328 odnalezionych ciał. Posortowanie w kolejności rosnącej pokazało brakujące numery. Poza tym sprawdziłem, że dane w kolumnie body nie stoją w sprzeczności z kolumną survived.

• kolumna 'boat'. Według Wikipedii na „Titanicu” było 20 szalup. Rozwiązaniem było zastąpienie błędnego oznaczenia, przez przyjęcie pierwszego znaku i zignorowanie ciągu dalszych znaków za spacją.

• kolumna 'cabin' Skrócono długie ciągi znaków typu 'B57 B59 B63 B66'.

• kolumny 'embarked' i 'sex' zmapowano objekty na wartości numeryczne ({'C': 1, 'Q': 2, 'S': 3} oraz {'male': 0, 'female': 1}).

• Ilosc kobiet 465 ,Liczba mężczyzn 842 (w tym Liczba wierszy mężczyzn bez tytułu Mr. z przodu nazwiska: 85)

• Przeanalizowano wszystkie kabiny z długim oznaczeniem wskazującym na zajmowanie wielu kabin względem sibsp i parch. Przypisane były nie tylko do wielu osób np. rodzin, ale też do osób samotnie podróżujących.

• Kolumna parch pokazała, że większość osób (1000) podróżowała bez osób spokrewnionych. Z jednym rodzicem albo jednym dzieckiem jest 170 osób. Z dwójką dzieci lub dwojgiem rodziców jest 113 wpisów. Liczba osób należących do rodzin: 519. Liczba unikalnych nazwisk (bez powtórzeń): 209.

• Przyporządkowanie osób do cabin: Całkowita liczba osób we wszystkich szalupach: 486. Najwiecej osób w szalupie: 39. Najmniej osób w szalupie: 1

• Liczba wierszy z ceną za bilet równą 0 dollars: 17

1.2. Wizualizacja

import matplotlib.pyplot as plt
import seaborn as sns

Wykres wartości NaN

# Wykres brakow NaN powyżej 20% w wybranych kolumnach
braki_powyzej_20 = braki_srednia_logiczna[braki_srednia_logiczna > 20]
# Wykres słupkowy tylko dla kolumn z NaN powyżej 20%
plt.figure(figsize=(8, 6))
plt.bar(braki_powyzej_20.index, braki_powyzej_20.values, color='skyblue')

plt.title('Procent najwięcej brakujących wartości (NaN) > 20%', fontsize=14)
plt.xlabel('Kolumna', fontsize=12)
plt.ylabel('Procent NaN', fontsize=12)

# Wyświetlenie wykresu
plt.show()

Macierz korelacji

correlation_matrix = df2[['pclass','survived','sex','age','sibsp','parch','fare','embarked','body']].corr()
plt.figure(figsize=(8, 6))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt='.2f', square=True)
plt.title('Macierz korelacji')
plt.show()

Wnioski:

Macierz korelacji jest bazą dla wykonania wykresów:

• pclass vs. survived/age/fare/embarked/sex
• survived vs. sex/fare/embarked
• sex vs. sibsp/parch/fare
• age vs. sibsp/parch/fare
• sibsp vs. parch/fare/body
• parch vs. fare
• fare vs. embarked

pclass vs. survived - histogram dla ofiar

# Przygotowanie wykresu
plt.figure(figsize=(10, 6))
sns.histplot(df2['pclass'][df2['survived'] == 0].dropna(), bins=3, discrete=True)

plt.title('Histogram dla pclass ofiar katastrofy')
plt.xlabel('pclass')
plt.ylabel('Ilość osób')

# Ustalenie podziałek na osi x
plt.xticks([1, 2, 3])

plt.show()

Wnioski:

• Najwięcej ofiar kupiło bilet klasy 3, najmniej - klasy 1.

pclass vs. survived - histogram dla szczęściarzy

plt.figure(figsize=(10,6))
sns.histplot(df2['pclass'][df2['survived'] == 1].dropna())
plt.title('Histogram dla pclass szczęściarzy')
plt.xlabel('pclass')
plt.ylabel('Ilość osób')
plt.show()

Wnioski:

• Najwięcej szczęściarzy kupiło bilet klasy 1 i 3, najmniej szczęściarzy kupiło bilety w klasie
• W klasach pclass 1,2,3 było uratowanych odpowiednio: 200,119,181

pclass vs. liczba pasażerów - histogram

# ile pasażerów do klasy biletu
policz = df2['pclass'].value_counts()
policz.plot(kind='bar')
plt.title('Liczba pasażerów według klasy')
plt.xlabel('Klasa biletu')
plt.ylabel('Liczba pasażerów')
plt.show()

Wnioski

• Najwięcej pasażerów podróżowało z biletem klasy 3, potem 1 i 2.

survived vs. age - histogram dla uratowanych

# wykres w jakim wieku byli szczęśliwcy
# Wydobycie kolumny z wiekiem
szczęściarze = df2[df2['survived'] == 1]
wiek_szczęściarzy = szczęściarze['age']

# Tworzenie wykresu słupkowego dla wieku
plt.figure(figsize=(10,6))
wiek_szczęściarzy.value_counts().sort_index().plot(kind='bar')

# Ustawienia osi i tytuł wykresu
plt.title('Wiek szczęściarzy')
plt.xlabel('Wiek')
plt.ylabel('Ilość osób')

Text(0, 0.5, 'Ilość osób')

Wnioski

• Najwyższe słupki na wykresie pozwalają odczytać, że katastrofę Titanica najwięcej przeżyło osób w sile wieku tj. 24, 22, 30 latków.

survived vs. age - histogram dla ofiar

plt.figure(figsize=(10,6))
sns.histplot(df2[df2['survived'] == 0]['age'].dropna(), bins=20, kde=False)
plt.title('Histogram dla wieku ofiar katastrofy')
plt.xlabel('Wiek')
plt.ylabel('Ilość osób')
plt.show()

survived vs. age - box chart

df2['survived'] = df2['survived'].replace({0: 'Nie', 1: 'Tak'})
sns.boxplot(df2, x='survived', y='age')
plt.title('Rozkład wieku pasażerów według przeżycia')
plt.xlabel('Przeżycie (Tak-przeżyli, Nie- zginęli)')
plt.ylabel('Wiek')
plt.show()

Wnioski

• Rozkład wartosci dla wieku pasażerów, którzy zginęli jest identyczny z rozkładem dla wieku tych co przeżyli.

survived: pie chart in percent

df2['survived'] = df2['survived'].replace({0: 'Nie', 1: 'Tak'})
df2['survived'].value_counts().plot(kind='pie', autopct='%1.1f%%', labels=['Zginęli', 'Przeżyli'])
plt.title('Procent pasażerów, którzy przeżyli')
plt.show()

Wnioski

• W katastrofie zginęło 62 %, przeżyło 38% pasażerów.

survived vs. sex - pie chart

df2['sex'] = df2['sex'].replace({0: 'mężczyźni', 1: 'kobiety'})
survived_sex = df2.groupby(['sex', 'survived']).size().unstack()
fig, axes = plt.subplots(1, 2, figsize=(12, 6))

for i, sex in enumerate(survived_sex.index):
    axes[i].pie(survived_sex.loc[sex], labels=['Nie przeżył', 'Przeżył'], autopct='%1.1f%%', startangle=90)
    axes[i].set_title(f'Płeć: {sex}')

plt.suptitle('Przeżycie względem płci')
plt.show()

Wnioski:

• Katastrofę przeżyło więcej kobiet, najmnniej szans mieli meżczyźni. Powodem było, że pierwszeństwo do szalup miały kobiety i dzieci.

age: box chart

df2['age'].plot(kind='box')

<Axes: >

age vs. sex: box chart

sns.boxplot(x='sex', y='age', data=df2)

<Axes: xlabel='sex', ylabel='age'>

WNioski:

• Wiek ofiar i uratowanych z poddziałem na płeć ma bardzo podobny rozkład.

age: histogram

df2['age'].hist(bins=11)
plt.xlabel('age') 
plt.ylabel('częstość wystąpienia') 
plt.title('Histogram dla Wieku')
plt.grid(False)
plt.show()

Wniosek

• Największa ilość pasażerów była w wieku od 20 do 30.

age vs. pclass box chart

# Tworzenie czytelnego wykresu z trzema osiami obok siebie
fig, axes = plt.subplots(1, 3, figsize=(15, 5))

df3 = df2[['pclass', 'age']]
# tworzenie wykresu pudełkowego dla klasy 1
filtrowanie_1 = df3[df3['pclass'] == 1.0]
filtrowanie_1[['age']].boxplot(ax=axes[0])
axes[0].set_title('Box Plot dla 1. klasy')
axes[0].set_xlabel('')
axes[0].set_ylabel('Wiek')
# tworzenie wykresu pudełkowego dla klasy 2
filtrowanie_2 = df3[df3['pclass'] == 2.0]
filtrowanie_2[['age']].boxplot(ax=axes[1])
axes[1].set_title('Box Plot dla 2. klasy')
axes[1].set_xlabel('')
# tworzenie wykresu pudełkowego dla klasy 3
filtrowanie_3 = df3[df3['pclass'] == 3.0]
filtrowanie_3[['age']].boxplot(ax=axes[2])
axes[2].set_title('Box Plot dla 3. klasy')
axes[2].set_xlabel('')
# Ustawienia odstępów między wykresami
plt.tight_layout()
plt.show()

age vs. pclass - inny Wykres pudełkowy

sns.boxplot(df2, x='pclass', y='age')
plt.title('Rozkład wieku według klasy')
plt.xlabel('klasa biletu')
plt.ylabel('cena')
plt.show()

Wniosek

• Mediana i wartość Max. dla wieku pokazują, że najlepszą 1. klasę wybierali starsi pasażerowie. Pojedyncze starsze osoby wybierały też klasy niższe 2 i 3.

sibsp: bar chart dla liczby osób podróżujących bez towarzystwa bliskich*

# Sprawdzenie typu danych w kolumnie 
df2['sibsp'].dtype
# Zamiana kolumny 'sibsp' z float na integer bez zaokrąglania
df2['sibsp'] = df2['sibsp'].astype(int)

# Ustawienie stylu Seaborn
sns.set(style="whitegrid")

# Wykres słupkowy
plt.figure(figsize=(10, 6))

# Zliczanie wystąpień liczby rodziców dzieci
sns.countplot(data=df2, x='sibsp', palette='viridis', hue=x)

plt.title('Wykres słupkowy: Liczba rodzeństwa/małżonków na pokładzie')
plt.xlabel('Liczba rodzeństwa/małżonków na pokładzie')
plt.ylabel('Liczba pasażerów')
plt.xticks(rotation=45)  # Umożliwienie rotacji etykiet, jeśli to konieczne
plt.show()

Wniosek

• Najwięcej pasażerów było bez osób towarzyszących typu rodzeństwo czy małżonek.

parch: bar chart dla liczby osób podróżujących bez towarzystwa bliskich*

# Sprawdzenie typu danych w kolumnie 
df2['parch'].dtype
# Zamiana kolumny 'parch' z float na integer bez zaokrąglania
df2['parch'] = df2['parch'].astype(int)
# Ustawienie stylu Seaborn
sns.set(style="whitegrid")

# Wykres słupkowy
plt.figure(figsize=(10, 6))

# Zliczanie wystąpień liczby rodziców dzieci
sns.countplot(data=df2, x='parch', palette='viridis', hue=x)

plt.title('Wykres słupkowy: Liczba rodziców/dzieci na pokładzie')
plt.xlabel('Liczba rodziców/dzieci na pokładzie')
plt.ylabel('Liczba pasażerów')
plt.xticks(rotation=45)  # Umożliwienie rotacji etykiet, jeśli to konieczne
plt.show()

Wniosek

• Najwięcej pasażerów było bez osób towarzyszących typu rodzice / dzieci.

parch: liczba rodzin wśród wszystkich pasażerów

# Tworzenie nowej kolumny 'maRodzine' dla pasażerów, którzy mają rodzinę na pokładzie
df2['maRodzine'] = df2['parch'] > 0
print(f"liczba osob z rodzina: {df2['maRodzine'].sum()}")
liczba_bez_rodziny = (~df2['maRodzine']).sum()
print(f"Liczba osób bez rodziny: {liczba_bez_rodziny}")

# Tworzenie wykresu słupkowego
sns.countplot(x='maRodzine', data=df2)
plt.xticks([0, 1], ['Bez rodziny', 'Z rodziną'])
plt.title("Liczba pasażerów z rodziną i bez rodziny na pokładzie")
plt.xlabel("Status rodziny")
plt.ylabel("Liczba pasażerów")
plt.show()

liczba osob z rodzina: 307
Liczba osób bez rodziny: 1000

Wniosek

• Najwięcej pasazerów było bez rodzin. liczba osob z rodzina: 307

Liczba osób bez rodziny: 1000

# Filtrowanie danych dla pasażerów, którzy przeżyli
survived_data = df[df['survived'] == 1]
# Filtrowanie danych dla pasażerów, którzy przeżyli i nie mieli rodziny na pokładzie
survived_no_family = survived_data[survived_data['parch'] == 0] 
# Filtrowanie danych dla pasażerów, którzy przeżyli i mieli jednego krewnego
survived_family1 = survived_data[survived_data['parch'] == 1]
# Filtrowanie danych dla pasażerów, którzy przeżyli i mieli dwojga krewnych
survived_family2 = survived_data[survived_data['parch'] == 2]

# Wypisanie liczby ocalonych pasażerów bez rodziny
print(f"Liczba ocalonych pasażerów bez rodziny: {len(survived_no_family)}")
print(f"Liczba ocalonych pasażerów z jednym krewnym: {len(survived_family1)}")
print(f"Liczba ocalonych pasażerów z dwojgiem krewnych: {len(survived_family2)}")
# Wykres
plt.figure(figsize=(10, 6))
sns.countplot(data=survived_data, x='parch', palette='viridis', hue=x)
plt.title('Liczba pasażerów, którzy przeżyli, posortowane wg liczby krewnych na pokładzie (parch)')
plt.xlabel('Liczba krewnych na pokładzie (parch)')
plt.ylabel('Liczba ocalonych')
plt.show()

Liczba ocalonych pasażerów bez rodziny: 336
Liczba ocalonych pasażerów z jednym krewnym: 100
Liczba ocalonych pasażerów z dwojgiem krewnych: 57

Wniosek:

• około 336 ocalonych nie miało krewnych na pokładzie. 100 ocalonych było z jednym rodzicem albo z jednym dzieckiem na Titaniku. Kolejne 57 osób, które przeżyły miało dwoje rodziców lub dwójkę dzieci.

# Filtrowanie danych dla pasażerów, którzy zgineli
survived_data = df[df['survived'] == 0]
# Filtrowanie danych dla pasażerów, którzy zgineli i nie mieli rodziny na pokładzie
survived_no_family = survived_data[survived_data['parch'] == 0]
# Filtrowanie danych dla pasażerów, którzy zgineli i mieli krewnych == 1
survived_family1 = survived_data[survived_data['parch'] == 1]
# Filtrowanie danych dla pasażerów, którzy zgineli i mieli krewnych == 2
survived_family2 = survived_data[survived_data['parch'] == 2]
# Wypisanie liczby ofiar bez rodziny i z jednym krewnym
print(f"Liczba ofiar bez rodziny: {len(survived_no_family)}")
print(f"Liczba ofiar z jednym krewnym: {len(survived_family1)}")
print(f"Liczba ofiar z dwojgiem krewnych: {len(survived_family2)}")
# Wykres
plt.figure(figsize=(10, 6))
sns.countplot(data=survived_data, x='parch', palette='viridis', hue=x)
plt.title('Liczba pasażerów, którzy zginęli, posortowane wg liczby krewnych na pokładzie (parch)')
plt.xlabel('Liczba krewnych na pokładzie (parch)')
plt.ylabel('Liczba ofiar')
plt.show()

Liczba ofiar bez rodziny: 664
Liczba ofiar z jednym krewnym: 70
Liczba ofiar z dwojgiem krewnych: 56

Wniosek:

• około 664 ofiar nie miało krewnych na pokładzie. Około 80 ofiar było z rodzicem albo z jednym dzieckiem na Titaniku. Dalsze 50 osób miało dwoje rodziców lub dwójkę dzieci.

fare: histogram

df2['fare'].hist(bins=10)
plt.xlabel('fare') 
plt.ylabel('częstość wystąpienia') 
plt.title('Histogram dla fare')
plt.grid(False)
plt.show()

Wniosek:

• Najwięcej sprzedano biletów w cenie do 50 dollars. 20% biletów kosztowało do 100 dollars.

fare: boxplot

sns.boxplot(x='fare', data=df2)
plt.title("Rozkład cen biletów ('fare')")
plt.xlabel("Cena biletu (fare)")
plt.show()

Wniosek:

• Wartość odstająca mocno, ogranicza odczytanie cen. Rozkłady cen najlepiej odczytać z tabeli statystycznego opisu.

fare vs. pclass - box chart

sns.boxplot(df2, x='pclass', y='fare')
plt.title('Rozkład ceny według klasy')
plt.xlabel('klasa biletu')
plt.ylabel('cena')
plt.show()

Wnioski:

• Ceny dla 1. klasy są najwyższe i mają największy rozrzut. Za najdroższy bilet zapłacono 1000 % średniej ceny (50 $) w tej klasie.
• Generalnie im większy numer dla klasy biletu tym niższa cena biletu

fare vs. pclass: Inny wykres pudełkowy

# Tworzenie nowego wykresu z trzema osiami obok siebie
fig, axes = plt.subplots(1, 3, figsize=(15, 5))

df3 = df2[['pclass', 'survived', 'age', 'sibsp', 'parch', 'fare', 'body']]
# tworzenie wykresu pudełkowego dla klasy 1
filtrowanie_1 = df3[df3['pclass'] == 1.0]
filtrowanie_1[['fare']].boxplot(ax=axes[0])
axes[0].set_title('Box Plot dla 1. klasy')
axes[0].set_xlabel('')
axes[0].set_ylabel('Wartość')
# tworzenie wykresu pudełkowego dla klasy 2
filtrowanie_2 = df3[df3['pclass'] == 2.0]
filtrowanie_2[['fare']].boxplot(ax=axes[1])
axes[1].set_title('Box Plot dla 2. klasy')
axes[1].set_xlabel('Fare')
# tworzenie wykresu pudełkowego dla klasy 3
filtrowanie_3 = df3[df3['pclass'] == 3.0]
filtrowanie_3[['fare']].boxplot(ax=axes[2])
axes[2].set_title('Box Plot dla 3. klasy')
axes[2].set_xlabel('Fare')
# Ustawienia odstępów między wykresami
plt.tight_layout()
plt.show()

Wnioski

• dla 1. klasy 50 % cen biletów nie jest droższa niż 60 dollars. 75% cen mieści się w zakresie do 105 dollars. Maksymalna cena do 220 dollars. Pojawiły się 4 wartości odstające w zakresie 230-520 dollars.
• dla 2. klasy 50 % cen biletów nie jest droższa niż 18 dollars. 75% cen mieści się w zakresie do 27 dollars. Maksymalna cena do 42 dollars. Pojawiły się 2 wartości odstające w zakresie 66 i 75 dollars.
• dla 3. klasy 50 % cen biletów nie jest droższa niż 8 dollars. 75% cen mieści się w zakresie do 17 dollars. Maksymalna cena do 27 dollars. Pojawiły się 8 wartości odstające w zakresie 29-69 dollars.

embarked vs. fare

# Oblicz średnią opłatę dla każdego portu zaokrętowania
embarked_fare = df2.groupby('embarked')['fare'].mean()

# Ustawienie rozmiaru wykresu
plt.figure(figsize=(8, 6))

# Tworzenie wykresu słupkowego
embarked_fare.plot(kind='bar', color='lightgreen')

# Dodanie etykiet i tytułu
plt.title("Średnia opłata zaokrętowania (fare) w zależności od portu (embarked)")
plt.xlabel("Port zaokrętowania (embarked)")
plt.ylabel("Średnia opłata (fare)")

# Wyświetlenie wykresu
plt.show()

Wniosek:

• Porty dalej oddalone od NY mają średnie ceny wyższe. Od najdalszego: C = Cherbourg, S = Southampton, Q = Queenstown

embarked: histogram ilości pasażerów wg portu wsiadania

plt.figure(figsize=(8, 6))
sns.countplot(data=df, x='embarked', palette='muted', hue=x)
plt.title('Liczba pasażerów według portu wsiadania')
plt.xlabel('Port wsiadania')
plt.ylabel('Liczba pasażerów')
plt.xticks(ticks=[0, 1, 2], labels=['Southampton', 'Cherbourg', 'Queenstown'])
plt.show()

Wniosek:

• Najwięcej osób 900 zaczęło podróż z Cherbourg, potem Queenstown 300, Southampton 100 w kolejności malejącej.

**embarked vs. survived

import matplotlib.pyplot as plt
import seaborn as sns

# Filtrowanie danych dla pasażerów, którzy przeżyli
survived_data = df2[df2['survived'] == 'Tak']

# Usunięcie wierszy z brakującymi wartościami w kolumnie 'embarked'
survived_data = survived_data.dropna(subset=['embarked'])

# Tworzenie wykresu słupkowego liczby przeżyłych pasażerów w zależności od portu zaokrętowania
plt.figure(figsize=(8, 6))
sns.countplot(data=survived_data, x='embarked', palette='viridis', hue=x)
plt.title('Liczba ocalałych pasażerów według portu zaokrętowania')
plt.xlabel('Port zaokrętowania (embarked)')
plt.ylabel('Liczba ocalałych')
plt.xticks(ticks=[0, 1, 2], labels=['Cherbourg', 'Queenstown', 'Southampton'])
plt.show()

# Filtrowanie danych dla pasażerów, którzy zginęli
survived_data = df2[df2['survived'] == 'Nie']

# Tworzenie wykresu słupkowego liczby przeżyłych pasażerów w zależności od portu zaokrętowania
plt.figure(figsize=(8, 6))
sns.countplot(data=survived_data, x='embarked', palette='viridis', hue=x)
plt.title('Liczba ofiar według portu zaokrętowania')
plt.xlabel('Port zaokrętowania (embarked)')
plt.ylabel('Liczba ofiar')
plt.xticks(ticks=[0, 1, 2], labels=['Cherbourg', 'Queenstown', 'Southampton'])
plt.show()

Wniosek:

• Procentowo najmniej ofiar dla S.

# Filtrowanie danych dla pasażerów, którzy przeżyli
survived_data = df2[df2['survived'] == 'Tak']

# Obliczanie liczby przeżyłych pasażerów dla każdego portu
embarked_counts = survived_data['embarked'].value_counts()

# Tworzenie wykresu kołowego
plt.figure(figsize=(8, 8))
plt.pie(embarked_counts, labels=embarked_counts.index, autopct='%1.1f%%', startangle=90, colors=['#ff9999', '#66b3ff', '#99ff99'])
plt.title("Procentowy udział pasażerów, którzy przeżyli, według portu zaokrętowania")
plt.show()

Wniosek:

• Najwięcej ocalałych wsiadających w porcie S. Najmniej z Q.

# Filtrowanie danych dla pasażerów, którzy nie przeżyli
not_survived_data = df2[df2['survived'] == 'Nie']

# Obliczanie liczby nieprzeżyłych pasażerów dla każdego portu
embarked_counts = not_survived_data['embarked'].value_counts()

# Tworzenie wykresu kołowego
plt.figure(figsize=(8, 8))
plt.pie(embarked_counts, labels=embarked_counts.index, autopct='%1.1f%%', startangle=90, colors=['#ff6666', '#66ccff', '#99ffcc'])
plt.title("Procentowy udział pasażerów, którzy nie przeżyli, według portu zaokrętowania")
plt.show()

Wniosek:

• Najwięcej ofiar wsiadających w porcie S. Najmniej z Q.

boat: ilość rozbitków pro szalupę - bar chart

# Zliczanie liczby osób w każdej szalupie
liczba_osob_w_szalupach = df2.groupby('boat').size().sort_values()
# Tworzenie wykresu
liczba_osob_w_szalupach.plot(kind='bar', color='blue')
# Dodanie tytułu i etykiet
plt.title('Liczba osób w każdej szalupie')
plt.xlabel('Szalupy')
plt.ylabel('Liczba osób')

# Wyświetlenie wykresu
plt.show()

Wniosek:

• Można ustawić szalupy w taki sposób, że pokażą prawie liniowy rozkład liczby rozbitków na szalupę. Min. 5 osób, max.42.

*boat: porównanie liczby szalup do liczby uratowanych

# Obliczanie liczby szalup ratunkowych
ilosc_szalup = df2['boat'].nunique()
print(f"Liczba szalup: {ilosc_szalup}")
# Obliczanie liczby uratowanych pasażerów (survived = 'Tak')
ilosc_uratowanych = df2[df2['survived'] == 'Tak'].shape[0]
print(f"Liczba uratowanych: {ilosc_uratowanych}")
# Tworzenie wykresu porównawczego
labels = ['Liczba szalup ratunkowych', 'Liczba uratowanych pasażerów']
values = [ilosc_szalup, ilosc_uratowanych]

plt.figure(figsize=(8, 6))
plt.bar(labels, values, color=['#1f77b4', '#ff7f0e'])
plt.title('Porównanie liczby szalup ratunkowych do liczby uratowanych pasażerów')
plt.ylabel('Liczba')
plt.show()

Liczba szalup: 20
Liczba uratowanych: 500

*body

# Liczba pasażerów, których ciała zostały odnalezione
liczba_cial = df2['body'].notnull().sum()
print(f"liczba_cial: {liczba_cial}")

# Liczba pasażerów, którzy nie przeżyli
liczba_ofiar = df2[df2['survived'] == 'Nie'].shape[0]
print("liczba_ofiar:", liczba_ofiar)

# Liczba ciał nieodnalezionych
liczba_cial_nieodnalezionych = liczba_ofiar - liczba_cial
print('liczba_cial_nieodnalezionych: ', liczba_cial_nieodnalezionych)
# Przygotowanie danych do wykresu
labels = ['Ciała odnalezione', 'Ciała nieodnalezione']
values = [liczba_cial, liczba_cial_nieodnalezionych]

# Tworzenie wykresu słupkowego
plt.figure(figsize=(8, 6))
plt.bar(labels, values, color=['#2ca02c', '#d62728'])
plt.title('Liczba odnalezionych i nieodnalezionych ciał pasażerów')
plt.ylabel('Liczba ciał')
plt.show()

liczba_cial: 121
liczba_ofiar: 807
liczba_cial_nieodnalezionych:  686

Wniosek:

• Liczba ciał odnalezionych 121 i 686 nieodnalezionych.

*home.dest: histogram

# Zliczanie liczby pasażerów z każdego miejsca docelowego
home_dest_counts = df2['home.dest'].value_counts()

# Tworzenie wykresu kołowego
plt.figure(figsize=(8, 8))
home_dest_counts[:10].plot(kind='pie', autopct='%1.1f%%', startangle=90, colors=plt.cm.Paired.colors)
plt.title('Udział pasażerów według miejsca pochodzenia (top 10)')
plt.ylabel('')  # Usunięcie etykiety Y dla estetyki
plt.show()

Wniosek:

• Najwięcej pasażerów pochodziło z NY 44%, London 10%, Montreal 7%, Paryż 6%.

1.3. Podsumowanie

1. W punkcie 1.1.1. podsumowano wstępną analizę i oczyszczanie oraz transformacje danych, któych celem było przygotowanie do wizulizowania i poprawnego wyciągania wniosków.
2. Podstawą dla wizualizacji jest Macierz korelacji. Współczynniki wskazały na zależności do wykonania wykresów:

pclass vs. survived/age/fare/embarked/sex survived vs. sex/fare/embarked sex vs. sibsp/parch/fare age vs. sibsp/parch/fare sibsp vs. parch/fare/body parch vs. fare fare vs. embarked

Poniżej zebrano wszystkie wnioski z pojedynczych wykresów.

• Statkiem podróżowało 1307 pasażerów. Ilość kobiet 465 , Liczba mężczyzn 842 (w tym liczba wierszy mężczyzn bez tytułu Mr. z przodu nazwiska: 85.
• W katastrofie zginęło 62 %, przeżyło 38% pasażerów.
• Pasażerowie Titanica podróżowali z biletem klasy 3, 1, 2 odpowiednio w kolejności malejącej liczby pasażerów. Najwięcej ofiar posiadało bilet klasy 3, najmniej ofiar - klasy 1. Najwięcej uratowanych miało bilet klasy 1 i 3, najmniej - bilety w klasie 2.
• W klasach 1, 2, 3 uratowanych było odpowiednio: 200,119,181 osób.
• Największa ilość pasażerów była w wieku od 20 do 30 lat.
• Katastrofę Titanica przeżyło najwięcej osób w młodym wieku tj. 24, 22, 30 latków (według histogramu).
• Rozkład wieku pasażerów, którzy zginęli jest identyczny z rozkładem dla tych co przeżyli.
• Katastrofę przeżyło więcej kobiet. Najmniejsze szanse mieli mężczyźni. Przypuszczam, że powodem było pierwszeństwo do szalup dla kobiet i dzieci.
• Rozkład wieku ofiar i uratowanych z poddziałem na płeć jest wręcz identyczny.
• Mediana i wartość Max. dla wieku pokazują, że najlepszą 1. klasę wybierali starsi pasażerowie. Pojedyncze starsze osoby wybierały też klasy niższe 2 i 3.
• Kolumna parch pokazała, że większość osób (1000) podróżowała bez osób spokrewnionych. 307 podróżowało z krewnymi. Z jednym rodzicem albo jednym dzieckiem jest 170 osób. Z dwójką dzieci lub dwojgiem rodziców jest 113 wpisów. Liczba osób należących do rodzin: 519. Liczba unikalnych nazwisk (bez powtórzeń): 209.
• Przeanalizowano wszystkie kabiny z długim oznaczeniem wskazującym na zajmowanie wielu kabin względem sibsp i parch. Przypisane były nie tylko do wielu osób np. rodzin, ale też do osób samotnie podróżujących.
• 336 uratowanych nie miało krewnych na pokładzie. Około 100 ocalonych było z jednym rodzicem albo z jednym dzieckiem na pokładzie Titanica. Kolejne 57 osób, które przeżyły miało dwoje rodziców lub dwójkę dzieci.
• 664 ofiary nie miały krewnych na pokładzie. 70 ofiar było z rodzicem albo z jednym dzieckiem. Dalsze 56 osób miało dwoje rodziców lub dwójkę dzieci.
• Najwięcej sprzedano biletów w cenie do 50 dollars. 20% biletów kosztowało do 100 dollars.
• Liczba wierszy z ceną za bilet 0 dollars: 17
• Ceny dla 1. klasy są najwyższe i mają największy rozrzut. Za najdroższy bilet zapłacono 1000 % średniej ceny (50 $) w tej klasie.
• Generalnie im większy numer klasy biletu tym niższa cena biletu.
• Dla 1. klasy 50 % biletów ma cenę nie wyższą niż 60 dollars. 75% cen mieści się w zakresie do 105 dollars. Maksymalna cena wynosi do 220 dollars. Pojawiły się 4 wartości odstające w zakresie 230-520 dollars.
• Dla 2. klasy 50 % cen biletów nie jest droższa niż 18 dollars. 75% cen mieści się w zakresie do 27 dollars. Maksymalna cena do 42 dollars. Pojawiły się 2 wartości odstające w zakresie 66 i 75 dollars.
• Dla 3. klasy 50 % cen biletów nie jest droższa niż 8 dollars. 75% cen mieści się w zakresie do 17 dollars. Maksymalna cena do 27 dollars. Pojawiły się 8 wartości odstające w zakresie 29-69 dollars.
• Porty dalej oddalone od NY mają ceny średnie wyższe. Od najdalszego: C = Cherbourg, S = Southampton, Q = Queenstown
• Najwięcej osób zaczęło podróż z Cherbourg 900, potem Queenstown 300, Southampton 100 w kolejności malejącej.
• Procentowo najmniej ofiar dla Southampton.
• Najwięcej ocalałych wsiadających w porcie Southampton. Najmniej z Queenstown.
• Najwięcej ofiar wsiadających w porcie Southampton. Najmniej z Queenstown.
• Można ustawić szalupy w taki sposób, że pokażą prawie liniowy rozkład liczby rozbitków pro szalupę. Najwięcej osób w szalupie: 39. Najmniej osób w szalupie: 1.
• Całkowita liczba osób we wszystkich szalupach: 486. Liczba uratowanych w katastrofie: 500. A więc nie wszystkich uratowały tylko szalupy.
• Liczba ciał odnalezionych 121 i 686 nieodnalezionych. Suma 807 ofiar.
• Najwięcej pasażerów pochodziło z NY 44%, London 10%, Montreal 7%, Paryż 6% i innych.