先完成作業(yè)，再看老師解答，若有不同的地方或出錯(cuò)之處再來修改。

作業(yè)要求：

使用auto_ins作如下分析

1、首先對(duì)loss重新編碼為1/0，有數(shù)值為1，命名為loss_flag

2、對(duì)loss_flag分布情況進(jìn)行描述分析

3、分析是否出險(xiǎn)和年齡、駕齡、性別、婚姻狀態(tài)等變量之間的關(guān)系(提示:使用分類盒須圖,堆疊柱形圖)

在spyder中完成第三講作業(yè)HW4：

# In[1]:

#導(dǎo)入模塊

from stack2dim import *

####################################################################

# # 1.首先對(duì)loss重新編碼為1/0，有數(shù)值為1，命名為loss_flag

auto_ins['loss_flag'] = auto_ins['Loss'].apply(lambda x: 0 if x==0 else 1)

print(auto_ins,'\n')

# In[2]:

####################################################################

# # 2.對(duì)loss_flag分布情況進(jìn)行描述分析

import matplotlib.pyplot as plt

auto_ins['loss_flag'].value_counts().plot(kind = 'bar')

plt.title('loss_flag的分布')

plt.ylabel('頻數(shù)')

plt.xlabel('loss_flag')

plt.show()

# In[3]:

###################################################################

# # 3.分析是否出險(xiǎn)和年齡、駕齡、性別、婚姻狀態(tài)等變量之間的關(guān)系

#???? (提示:使用分類盒須圖,堆疊柱形圖)

# # 3.1 是否出險(xiǎn)與年齡的關(guān)系

#--------------------------------------錯(cuò)誤繪圖方式---------------------------------------------

auto_ins.groupby('loss_flag').Age.mean().plot(kind = 'bar')

plt.title('Age vs loss_flag')

plt.ylabel('Age')

plt.xlabel('loss_flag')

plt.show()

'''

據(jù)圖可看出，出險(xiǎn)與年齡無關(guān)

'''

# In[4]:

# # 3.2 是否出險(xiǎn)與駕齡的關(guān)系

auto_ins.groupby('loss_flag').vAge.mean().plot(kind = 'bar')

plt.title('vAge vs loss_flag')

plt.ylabel('vAge')

plt.xlabel('loss_flag')

plt.show()

'''

據(jù)圖可看出，出險(xiǎn)與駕齡有關(guān)

'''

#-------------------------------------------------------------------------------------------------

#%%

#------------------------------------------ 正確解答 --------------------------------------------

'''

老師講解后修改

'''

'''

年齡Age和駕齡exp為連續(xù)變量，loss_flag為分類變量，

分類變量與連續(xù)變量的描述統(tǒng)計(jì)關(guān)系圖用分類盒須圖

'''

fig = plt.figure()

ax1 = fig.add_subplot(1,2,1)

ax2 = fig.add_subplot(1,2,2)

#是否出險(xiǎn)與年齡

import seaborn

seaborn.boxplot(x='loss_flag',y='Age',data=auto_ins,ax=ax1)

#是否出險(xiǎn)與駕齡

seaborn.boxplot(x='loss_flag',y='exp',data=auto_ins,ax=ax2)

'''

據(jù)分類盒須圖可看出，年齡中位數(shù)幾乎相等，駕齡中位數(shù)相差明顯

所以，出險(xiǎn)與年齡無關(guān)，和駕齡有關(guān)

'''

#------------------------------------------------------------------------------------------------

# In[5]:

# # 3.3 是否出險(xiǎn)與性別的關(guān)系

stack2dim(auto_ins, 'loss_flag','Gender')

'''

據(jù)圖可看出，出險(xiǎn)與性別有關(guān)

'''

# In[6]:

# # 3.4 是否出險(xiǎn)與婚姻狀態(tài)的關(guān)系

stack2dim(auto_ins,'Marital','loss_flag')

'''

據(jù)圖可看出，出險(xiǎn)與婚姻狀態(tài)有關(guān)

'''

# In[7]:

# # 3.5 是否出險(xiǎn)與汽車出產(chǎn)國(guó)的關(guān)系

stack2dim(auto_ins, 'loss_flag', 'import')

'''

據(jù)圖可看出，出險(xiǎn)與汽車出產(chǎn)國(guó)無關(guān)

'''

#%%

###################################################################

'''

根據(jù)上面的分析，可得出：出險(xiǎn)與駕齡、性別、婚姻狀態(tài)有關(guān)

'''

總結(jié)

以上是生活随笔為你收集整理的python数据科学实战_Python数据科学实战第三讲作业HW4的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。