import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.read_csv('26__titanic.csv', sep=",")
df.head()

liczba_wierszy=df.shape[0]
print(f"Liczba wierszy: {liczba_wierszy}")
num_duplicates = df.duplicated().sum()
if num_duplicates:
    print(f"Liczba duplikatów w DataFrame: {num_duplicates}")
    df = df.drop_duplicates()
    liczba_wierszy=len(df)
    print(f"Po usunięciu duplikatów Liczba wierszy: {liczba_wierszy}")
df.head()

Liczba wierszy: 1310

# Sprawdzanie, które wiersze zawierają wartości None (NaN)
rows_with_nan = df.isnull().any(axis=1)

# Liczba wierszy zawierających wartości None (NaN)
num_rows_with_nan = rows_with_nan.sum()

print(f"Liczba wierszy zawierających co najmniej jedną wartość None (NaN): {num_rows_with_nan}")

# Wyświetl macierz zawierającą nazwy kolumn, które z nich zawiera wartości None, jaki to stanowi procent we wszystkich wpisach
null_counts = df.isnull().sum()
null_percentage = (null_counts / len(df)) * 100
null_info = pd.DataFrame({
    'Liczba NULL': null_counts,
    'Procent NULL w obserwacjach': null_percentage
})
print(null_info)
print(df.describe())

print("statystyki łodzi ratunkowych", df['boat'].describe())

Liczba wierszy zawierających co najmniej jedną wartość None (NaN): 1310
           Liczba NULL  Procent NULL w obserwacjach
pclass               1                     0.076336
survived             1                     0.076336
name                 1                     0.076336
sex                  1                     0.076336
age                264                    20.152672
sibsp                1                     0.076336
parch                1                     0.076336
ticket               1                     0.076336
fare                 2                     0.152672
cabin             1015                    77.480916
embarked             3                     0.229008
boat               824                    62.900763
body              1189                    90.763359
home.dest          565                    43.129771
            pclass     survived          age        sibsp        parch  \
count  1309.000000  1309.000000  1046.000000  1309.000000  1309.000000   
mean      2.294882     0.381971    29.881135     0.498854     0.385027   
std       0.837836     0.486055    14.413500     1.041658     0.865560   
min       1.000000     0.000000     0.166700     0.000000     0.000000   
25%       2.000000     0.000000    21.000000     0.000000     0.000000   
50%       3.000000     0.000000    28.000000     0.000000     0.000000   
75%       3.000000     1.000000    39.000000     1.000000     0.000000   
max       3.000000     1.000000    80.000000     8.000000     9.000000   

              fare        body  
count  1308.000000  121.000000  
mean     33.295479  160.809917  
std      51.758668   97.696922  
min       0.000000    1.000000  
25%       7.895800   72.000000  
50%      14.454200  155.000000  
75%      31.275000  256.000000  
max     512.329200  328.000000  
statystyki łodzi ratunkowych count     486
unique     27
top        13
freq       39
Name: boat, dtype: object

plt.figure(figsize=(10, 6))
sns.countplot(x='survived', hue='sex', data=df)
plt.title('Ilość osób, które przeżyły, ilość osób które nie przeżyły z podziałem na płeć')
plt.xlabel('Czy przeżył')
plt.ylabel('Liczba pasażerów')
plt.legend(title='Płeć', loc='upper right')
plt.show()

plt.figure(figsize=(10, 6))
sns.countplot(x='survived', hue='pclass', data=df)
plt.title('Ilość osób, które przeżyły, ilość osób które nie przeżyły z podziałem na klasę')
plt.xlabel('Czy przeżył')
plt.ylabel('Liczba pasażerów')
plt.legend(title='Klasa', loc='upper right')
plt.show()

# Obliczenie procentowego udziału przeżycia z podziałem na klasę
survival_rate = df.groupby('pclass')['survived'].value_counts(normalize=True).unstack() * 100

# Utworzenie wykresu
plt.figure(figsize=(10, 6))
survival_rate.plot(kind='bar', stacked=True, ax=plt.gca())
plt.title('Procentowy udział osób, które przeżyły i nie przeżyły z podziałem na klasę')
plt.xlabel('Klasa biletu')
plt.ylabel('Procent')
plt.legend(['Nie przeżył', 'Przeżył'], title='Status', loc='upper right')

# Dodanie etykiet z wartościami
for p in plt.gca().patches:
    width = p.get_width()
    height = p.get_height()
    x, y = p.get_xy()
    plt.gca().annotate(f'{height:.1f}%', (x + width / 2, y + height / 2), ha='center', va='center')

plt.show()

plt.figure(figsize=(12, 8))
sns.catplot(x='pclass', hue='sex', col='survived', data=df, kind='count', height=6, aspect=1.2)
plt.subplots_adjust(top=0.85)
plt.suptitle('Ilość osób, które przeżyły, ilość osób które nie przeżyły z podziałem na klasę i płeć')
plt.show()

<Figure size 1200x800 with 0 Axes>

# Obliczenie procentowego udziału przeżycia z podziałem na klasę i płeć
survival_rate = df.groupby(['pclass', 'sex'])['survived'].value_counts(normalize=True).unstack() * 100

# Utworzenie wykresu
plt.figure(figsize=(12, 8))
survival_rate.plot(kind='bar', stacked=True, ax=plt.gca(), color=['red', 'green'])
plt.title('Procentowy udział osób, które przeżyły, osób które nie przeżyły z podziałem na klasę i płeć')
plt.xlabel('Klasa biletu i płeć')
plt.ylabel('Procent')
plt.legend(['Nie przeżył', 'Przeżył'], title='Status', loc='upper right')

# Dodanie etykiet z wartościami
for p in plt.gca().patches:
    width = p.get_width()
    height = p.get_height()
    x, y = p.get_xy()
    plt.gca().annotate(f'{height:.1f}%', (x + width / 2, y + height / 2), ha='center', va='center')

plt.show()

# Upewnij się, że wiek jest liczbą
df['age'] = pd.to_numeric(df['age'], errors='coerce')

# Utworzenie wykresu
plt.figure(figsize=(12, 8))
sns.violinplot(x='pclass', y='age', hue='sex', data=df, split=True, inner='quart', palette='viridis')
plt.title('Wiek pasażerów z podziałem na klasę i płeć')
plt.xlabel('Klasa biletu')
plt.ylabel('Wiek')
plt.yticks(range(0, int(df['age'].max()) + 5, 5))  # Ustawienie podziałki co 5 lat
plt.legend(title='Płeć')
plt.show()

# Wyświetlenie statystyki podsumowującej
age_stats = df.groupby(['pclass', 'sex'])['age'].describe()
print(age_stats)

               count       mean        std     min   25%   50%    75%   max
pclass sex                                                                 
1.0    female  133.0  37.037594  14.272460  2.0000  24.0  36.0  48.00  76.0
       male    151.0  41.029250  14.578590  0.9167  30.0  42.0  50.00  80.0
2.0    female  103.0  27.499191  12.911813  0.9167  20.0  28.0  34.00  60.0
       male    158.0  30.815401  13.977355  0.6667  23.0  29.5  38.75  70.0
3.0    female  152.0  22.185307  12.205294  0.1667  16.0  22.0  30.00  63.0
       male    349.0  25.962273  11.682395  0.3333  20.0  25.0  32.00  74.0

# Upewnij się, że wiek jest liczbą
df['age'] = pd.to_numeric(df['age'], errors='coerce')

# Filtracja pasażerów którzy przeżyli
df_survived = df[df['survived'] == 1]

# Utworzenie wykresu
plt.figure(figsize=(12, 8))
sns.violinplot(x='pclass', y='age', hue='sex', data=df_survived, split=True, inner='quart', palette='viridis')
plt.title('Pasażerowie którzy przeżyli z podziałem na klasę i płeć')
plt.xlabel('Klasa biletu')
plt.ylabel('Wiek')
plt.yticks(range(0, int(df['age'].max()) + 5, 5))  # Ustawienie podziałki co 5 lat
plt.legend(title='Płeć')
plt.show()

# Wyświetlenie statystyki podsumowującej
age_stats = df_survived.groupby(['pclass', 'sex'])['age'].describe()
print(age_stats)

               count       mean        std      min    25%   50%   75%   max
pclass sex                                                                  
1.0    female  128.0  37.109375  13.938128  14.0000  24.00  35.5  48.0  76.0
       male     53.0  36.168240  15.091603   0.9167  27.00  36.0  48.0  80.0
2.0    female   92.0  26.711051  12.620804   0.9167  19.75  27.5  34.0  55.0
       male     23.0  17.449274  16.708542   0.6667   2.00  19.0  29.5  62.0
3.0    female   72.0  20.814815  12.321790   0.1667  15.00  22.0  27.0  63.0
       male     59.0  22.436441  10.708424   0.4167  18.50  25.0  29.0  45.0

plt.figure(figsize=(10, 6))
sns.boxplot(x='pclass', y='fare', data=df)
plt.title('Cena biletu z podziałem na klasę')
plt.xlabel('Klasa')
plt.ylabel('Cena biletu')
plt.show()

fare_stats = df.groupby('pclass')['fare'].describe()
print(fare_stats)

        count       mean        std  min      25%      50%       75%       max
pclass                                                                        
1.0     323.0  87.508992  80.447178  0.0  30.6958  60.0000  107.6625  512.3292
2.0     277.0  21.179196  13.607122  0.0  13.0000  15.0458   26.0000   73.5000
3.0     708.0  13.302889  11.494358  0.0   7.7500   8.0500   15.2458   69.5500

survival_rate = df.groupby('embarked')['survived'].mean() * 100
plt.figure(figsize=(10, 6))
survival_rate.plot(kind='bar')
plt.title('Procentowy udział osób, które przeżyły z podziałem na port zaokrętowania')
plt.xlabel('Port zaokrętowania')
plt.ylabel('Procent osób, które przeżyły')
plt.show()

plt.figure(figsize=(12, 8))
sns.countplot(y='boat', data=df, order=df['boat'].value_counts().index)
plt.title('Ilość uratowanych osób z podziałem na łódź ratunkową')
plt.xlabel('Liczba pasażerów')
plt.ylabel('Numer łodzi ratunkowej')
plt.show()

# pogrupuj df według 'pclass' i wyświetl liczbę wystąpień
print("ilość osób z podziałem na klasy")
print(df.groupby('pclass').size())

ilość osób z podziałem na klasy
pclass
1.0    323
2.0    277
3.0    709
dtype: int64

survived_sum = df['survived'].sum()
print("ilość pasażerów, którzy przeżyli:", survived_sum, " ogółem przeżyło:",survived_sum + 223, " średnio osób ogółem na jedną szalupę:", (survived_sum +223)/20 )
print("Średnie wypełnienie szalup ratunkowych wyniosło:", ((survived_sum +223)/20)/60*100,"%")
survived_zeros = df['survived'].value_counts().get(0, 0)
print("liczba pasażerów, którzy nie przeżyli:", survived_zeros)
body_numeric = df['body'].apply(pd.to_numeric, errors='coerce').notnull().sum()
print("Ilość odnalezionych ciał pasażerów", body_numeric, ", co stanowi:", body_numeric/survived_zeros*100,"% pasażerów, którzy nie przeżyli")

ilość pasażerów, którzy przeżyli: 500.0  ogółem przeżyło: 723.0  średnio osób ogółem na jedną szalupę: 36.15
Średnie wypełnienie szalup ratunkowych wyniosło: 60.24999999999999 %
liczba pasażerów, którzy nie przeżyli: 809
Ilość odnalezionych ciał pasażerów 121 , co stanowi: 14.956736711990112 % pasażerów, którzy nie przeżyli

EDA danych dotyczących katastrofy Titanic¶

O Danych¶

Wnioski¶

	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