先完成作業，再看老師解答，若有不同的地方或出錯之處再來修改。

作業要求：

使用auto_ins作如下分析

1、首先對loss重新編碼為1/0，有數值為1，命名為loss_flag

2、對loss_flag分布情況進行描述分析

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

在spyder中完成第三講作業HW4：

# In[1]:

#導入模塊

from stack2dim import *

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

# # 1.首先對loss重新編碼為1/0，有數值為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loss_flag分布情況進行描述分析

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')

plt.xlabel('loss_flag')

plt.show()

# In[3]:

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

# # 3.分析是否出險和年齡、駕齡、性別、婚姻狀態等變量之間的關系

#???? (提示:使用分類盒須圖,堆疊柱形圖)

# # 3.1 是否出險與年齡的關系

#--------------------------------------錯誤繪圖方式---------------------------------------------

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()

'''

據圖可看出，出險與年齡無關

'''

# In[4]:

# # 3.2 是否出險與駕齡的關系

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()

'''

據圖可看出，出險與駕齡有關

'''

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

#%%

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

'''

老師講解后修改

'''

'''

年齡Age和駕齡exp為連續變量，loss_flag為分類變量，

分類變量與連續變量的描述統計關系圖用分類盒須圖

'''

fig = plt.figure()

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

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

#是否出險與年齡

import seaborn

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

#是否出險與駕齡

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

'''

據分類盒須圖可看出，年齡中位數幾乎相等，駕齡中位數相差明顯

所以，出險與年齡無關，和駕齡有關

'''

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

# In[5]:

# # 3.3 是否出險與性別的關系

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

'''

據圖可看出，出險與性別有關

'''

# In[6]:

# # 3.4 是否出險與婚姻狀態的關系

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

'''

據圖可看出，出險與婚姻狀態有關

'''

# In[7]:

# # 3.5 是否出險與汽車出產國的關系

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

'''

據圖可看出，出險與汽車出產國無關

'''

#%%

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

'''

根據上面的分析，可得出：出險與駕齡、性別、婚姻狀態有關

'''

總結

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的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。