Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/jm199504/data-analysis-practice
数据分析练习（Titanic / BankCustomers）
https://github.com/jm199504/data-analysis-practice
data-analysis python
Last synced: 10 days ago
JSON representation
数据分析练习（Titanic / BankCustomers）
- Host: GitHub
- URL: https://github.com/jm199504/data-analysis-practice
- Owner: jm199504
- Created: 2024-07-06T14:05:27.000Z (4 months ago)
- Default Branch: main
- Last Pushed: 2024-07-07T02:32:22.000Z (4 months ago)
- Last Synced: 2024-10-08T07:21:06.111Z (about 1 month ago)
- Topics: data-analysis, python
- Language: Jupyter Notebook
- Homepage:
- Size: 1.21 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
## 数据分析练习
 
### 1. Titanic
#### 1.1 抽取80%的数据作为训练数据
- 读取全量数据集
- 使用`sample`方法进行抽取训练集，设置随机状态参数
- 使用`to_csv`保存训练集到新的csv文件
```python
import pandas as pd
# 读取 Titanic.csv 文件
df = pd.read_csv('Titanic.csv')
# 随机抽取80%的数据
train = df.sample(frac=0.8, random_state=123)
# 将抽取的数据保存到 train.csv 文件中
train.to_csv('train.csv', index=False)
```
#### 1.2 查看训练数据的前5行和后5行
```python
# 查看前五行数据
train.head()
# 查看后五行数据
train.tail()
```
#### 1.3 输出各字段缺失值数量
```python
# 读取 Titanic.csv 文件
df = pd.read_csv('train.csv')
# 检测缺失值
missing_values = df.isnull().sum()
# 输出各字段的缺失值数量，其中Age、Cabin、Embarked存在缺失值
print(missing_values)
```
输出结果：
```
PassengerId 0
Survived 0
Pclass 0
Name 0
Sex 0
Age 139
SibSp 0
Parch 0
Ticket 0
Fare 0
Cabin 555
Embarked 1
```
#### 1.4 对缺失值进行填充
- 使用`fillna`方法填充缺失值，第一个参数即为缺失值的默认值，通常可以考虑均值/指定值/众数等等
- 其中`df['Embarked'].mode()[0]` 指的是 `Embarked` 列中的众数（即出现频率最高的值）
```python
# 对上述存在缺失值的字段进行填补
df['Age'].fillna(df['Age'].mean(), inplace=True)
df['Cabin'].fillna('Unknown', inplace=True)
df['Embarked'].fillna(df['Embarked'].mode()[0], inplace=True)
```
#### 1.5 检测重复值
```python
# 检测重复值
duplicate_rows = df.duplicated()
duplicate_rows_count = duplicate_rows.sum()
print("重复行数:", duplicate_rows_count)
```
#### 1.6 数据降重
```python
df.drop_duplicates(inplace=True)
```
#### 1.7 基本统计分析(包含数量、均值、方差、最小值、最大值等)
```python
statistics = df.describe()
print(statistics)
```
| PassengerId | Survived | Pclass | Age | SibSp | Parch | Fare |
|-----------------:|------------:|-----------:|-----------:|---------:|-----------:|-----------:|
| 713.000000 | 713.000000 | 713.000000 | 713.000000 | 0.507714 | 0.360449 | 31.026296 |
| 451.237027 | 0.366059 | 2.312763 | 29.422613 | 1.086309 | 0.781065 | 47.260244 |
| 257.904310 | 0.482064 | 0.834015 | 12.728972 | 0.000000 | 0.000000 | 0.000000 |
| 1.000000 | 0.000000 | 1.000000 | 0.420000 | 0.000000 | 0.000000 | 0.000000 |
| 228.000000 | 0.000000 | 2.000000 | 22.000000 | 0.000000 | 0.000000 | 7.895800 |
| 455.000000 | 0.000000 | 3.000000 | 29.422613 | 0.000000 | 0.000000 | 13.862500 |
| 677.000000 | 1.000000 | 3.000000 | 35.000000 | 1.000000 | 0.000000 | 30.500000 |
| 891.000000 | 1.000000 | 3.000000 | 74.000000 | 8.000000 | 6.000000 | 512.329200 |
#### 1.8 【分析一】海难发生前，一等舱有 XX 人，二等舱 XX 人，三等舱 XX 人，分别占总人数的 XX%，XX%，XX%
```python
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 统计海难发生前不同舱位的乘客人数
first_class_count = df[df['Pclass'] == 1]['PassengerId'].count()
second_class_count = df[df['Pclass'] == 2]['PassengerId'].count()
third_class_count = df[df['Pclass'] == 3]['PassengerId'].count()
# 计算不同舱位的乘客人数占总人数的比例，并保留2位小数
total_passengers = df['PassengerId'].count()
first_class_percent = round((first_class_count / total_passengers) * 100, 2)
second_class_percent = round((second_class_count / total_passengers) * 100, 2)
third_class_percent = round((third_class_count / total_passengers) * 100, 2)
# 打印结果
print(f"一等舱人数：{first_class_count}")
print(f"二等舱人数：{second_class_count}")
print(f"三等舱人数：{third_class_count}")
print(f"一等舱乘客占比：{first_class_percent}%")
print(f"二等舱乘客占比：{second_class_percent}%")
print(f"三等舱乘客占比：{third_class_percent}%")
```
输出结果：
```
一等舱人数：171
二等舱人数：148
三等舱人数：394
一等舱乘客占比：23.98%
二等舱乘客占比：20.76%
三等舱乘客占比：55.26%
```
分析题一答案：
```
# 【分析一的结论】
# 一等舱人数：171
# 二等舱人数：148
# 三等舱人数：394
# 一等舱乘客占比：23.98%
# 二等舱乘客占比：20.76%
# 三等舱乘客占比：55.26%
```
#### 1.9 【分析二】海难发生后，一等舱、二等舱、三等舱的乘客人数剩余 XX、XX、XX 人，分别占总人数的 XX%，XX%，XX%
```python
# 读取 Titanic.csv 文件
df = pd.read_csv('train.csv')
# 统计海难发生后不同舱位的乘客人数
first_class_survived = df[(df['Pclass'] == 1) & (df['Survived'] == 1)]['PassengerId'].count()
second_class_survived = df[(df['Pclass'] == 2) & (df['Survived'] == 1)]['PassengerId'].count()
third_class_survived = df[(df['Pclass'] == 3) & (df['Survived'] == 1)]['PassengerId'].count()
# 计算不同舱位的乘客人数占总人数的比例，并保留2位小数
total_passengers_survived = df[df['Survived'] == 1]['PassengerId'].count()
first_class_percent_survived = round((first_class_survived / total_passengers_survived) * 100, 2)
second_class_percent_survived = round((second_class_survived / total_passengers_survived) * 100, 2)
third_class_percent_survived = round((third_class_survived / total_passengers_survived) * 100, 2)
# 打印结果
print(f"海难发生后，一等舱乘客剩余人数： {first_class_survived}")
print(f"海难发生后，二等舱乘客剩余人数： {second_class_survived}")
print(f"海难发生后，三等舱乘客剩余人数： {third_class_survived}")
print(f"海难发生后，一等舱乘客占比： {first_class_percent_survived}%")
print(f"海难发生后，二等舱乘客占比： {second_class_percent_survived}%")
print(f"海难发生后，三等舱乘客占比： {third_class_percent_survived}%")
```
输出结果：
```
海难发生后，一等舱乘客剩余人数： 106
海难发生后，二等舱乘客剩余人数： 65
海难发生后，三等舱乘客剩余人数： 90
海难发生后，一等舱乘客占比： 40.61%
海难发生后，二等舱乘客占比： 24.9%
海难发生后，三等舱乘客占比： 34.48%
```
分析题二答案：
```
# 【分析二的结论】
# 海难发生后，一等舱乘客剩余人数： 106
# 海难发生后，二等舱乘客剩余人数： 65
# 海难发生后，三等舱乘客剩余人数： 90
# 海难发生后，一等舱乘客占比： 40.61%
# 海难发生后，二等舱乘客占比： 24.9%
# 海难发生后，三等舱乘客占比： 34.48%
```
#### 1.10 【分析三】一等舱生还率为 XX%，二等舱为 XX%，三等舱为 XX%。
```python
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 统计不同舱位的乘客人数
first_class_total = df[df['Pclass'] == 1]['PassengerId'].count()
second_class_total = df[df['Pclass'] == 2]['PassengerId'].count()
third_class_total = df[df['Pclass'] == 3]['PassengerId'].count()
# 统计不同舱位生还的乘客人数
first_class_survived = df[(df['Pclass'] == 1) & (df['Survived'] == 1)]['PassengerId'].count()
second_class_survived = df[(df['Pclass'] == 2) & (df['Survived'] == 1)]['PassengerId'].count()
third_class_survived = df[(df['Pclass'] == 3) & (df['Survived'] == 1)]['PassengerId'].count()
# 计算不同舱位的生还率，并保留两位小数
first_class_percent_survived = round((first_class_survived / first_class_total) * 100, 2)
second_class_percent_survived = round((second_class_survived / second_class_total) * 100, 2)
third_class_percent_survived = round((third_class_survived / third_class_total) * 100, 2)
# 打印结果
print(f"一等舱生还率为 {first_class_percent_survived}%")
print(f"二等舱生还率为 {second_class_percent_survived}%")
print(f"三等舱生还率为 {third_class_percent_survived}%")
```
输出结果：
```
一等舱生还率为 61.99%
二等舱生还率为 43.92%
三等舱生还率为 22.84%
```
分析题三答案：
```
# 【分析三的结论】
# 一等舱生还率为 61.99%
# 二等舱生还率为 43.92%
# 三等舱生还率为 22.84%
# 可见客舱等级越高，生还率越高。
```
#### 1.11【分析三的可视化】使用柱状图表示不同舱位的生还率
```python
import matplotlib.pyplot as plt
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 统计不同舱位的乘客人数
class_counts = df['Pclass'].value_counts(sort=False)
# 统计不同舱位生还的乘客人数
survived_counts = df[df['Survived'] == 1]['Pclass'].value_counts(sort=False)
# 计算不同舱位的生还率，并保留两位小数
survival_rates = round((survived_counts / class_counts) * 100, 2)
# 创建柱状图
plt.bar(survival_rates.index, survival_rates.values)
# 设置图表标题和标签
plt.title('Survival Rates by Passenger Class')
plt.xlabel('Passenger Class')
plt.ylabel('Survival Rate (%)')
# 显示图表
plt.show()
```
#### 1.12【分析四】乘客的性别与生还率关系
```python
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 计算不同性别的生还人数
survived_counts = df[df['Survived'] == 1]['Sex'].value_counts()
total_counts = df['Sex'].value_counts()
# 计算不同性别的生还率
survival_rates = round((survived_counts / total_counts) * 100, 2)
survival_rates
```
输出结果：
```
Sex
female 72.13
male 18.12
Name: count, dtype: float64
```
分析题四答案：
```
# 【分析四的结论】：
# 男性的生还率为18.12%
# 女性的生还率为72.13%
# 女性乘客可能更容易生还。
```
#### 1.13【分析四的可视化】使用柱状图表示乘客的性别与生还率关系
```python
# 创建柱状图
plt.bar(survival_rates.index, survival_rates.values)
# 设置图表标题和标签
plt.title('Survival Rates by Gender')
plt.xlabel('Gender')
plt.ylabel('Survival Rate (%)')
# 显示图表
plt.show()
```
#### 1.14 【分析五】年龄与生还率关系
```python
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 删除年龄缺失值的行
df.dropna(subset=['Age'], inplace=True)
# 分割年龄为年龄段
bins = [0, 12, 18, 65, 100]
labels = ['Children', 'Teenager', 'Adult', 'Elderly']
df['AgeGroup'] = pd.cut(df['Age'], bins=bins, labels=labels, right=False)
# 计算不同年龄段的生还人数
survived_counts = df[df['Survived'] == 1]['AgeGroup'].value_counts()
total_counts = df['AgeGroup'].value_counts()
# 计算不同年龄段的生还率
survival_rates = round((survived_counts / total_counts) * 100, 2)
survival_rates
```
输出结果：
```
AgeGroup
Adult 36.27
Children 55.56
Teenager 47.22
Elderly 0.00
Name: count, dtype: float64
```
分析题五答案：
```
# 【分析五的结论】：根据年龄段进行分类，不同年龄段的乘客生还率如下：
# 儿童（0-12岁）的生还率为55.56%
# 少年（12-18岁）的生还率为47.22%
# 成人（18-65岁）的生还率为36.27%
# 老年（65-100岁）的生还率为0.00%
```
#### 1.15 【分析五的可视化】使用柱状图表示年龄与生还率关系
```python
# 创建柱状图
plt.bar(survival_rates.index, survival_rates.values)
# 设置图表标题和标签
plt.title('Survival Rates by Age Group')
plt.xlabel('Age Group')
plt.ylabel('Survival Rate (%)')
# 显示图表
plt.show()
```
#### 1.16【分析六】不同登船港口的乘客生存情况
```python
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 对 Embarked 的缺失值进行处理
df['Embarked'].fillna(df['Embarked'].mode()[0], inplace=True)
# 统计不同港口上船的乘客人数以及生还人数
embarked_count = df.groupby('Embarked')['PassengerId'].count()
survived_count = df.groupby('Embarked')['Survived'].sum()
# 计算不同港口上船的乘客生还率
survival_rate = survived_count / embarked_count
survival_rate
```
输出结果：
```
Embarked
C 0.561538
Q 0.333333
S 0.321293
dtype: float64
```
#### 1.17 【分析六的可视化】使用柱状图表示不同登船港口的乘客生存情况
```python
# 可视化结果
plt.bar(['C', 'Q', 'S'], survival_rate, color=['#2a9df4', '#f44336', '#ffc107'])
plt.xlabel('Embarked')
plt.ylabel('Survival rate')
plt.title('Survival Rate of Different Embarked Ports')
plt.ylim(0.0, 1.0)
plt.show()
```
#### 1.18【分析七】登船港口为C的男性和女性的生存情况
```python
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 筛选登船港口为 C 的数据
embarked_c_df = df[df['Embarked'] == 'C']
# 统计登船港口为 C 的男性和女性生存情况
male_survived = embarked_c_df[(embarked_c_df['Sex'] == 'male') & (embarked_c_df['Survived'] == 1)]
female_survived = embarked_c_df[(embarked_c_df['Sex'] == 'female') & (embarked_c_df['Survived'] == 1)]
# 输出结果
print("登船港口为 C 的男性生存人数:", len(male_survived))
print("登船港口为 C 的女性生存人数:", len(female_survived))
```
输出结果：
```
登船港口为 C 的男性生存人数: 22
登船港口为 C 的女性生存人数: 51
```
#### 1.19 【分析七的可视化】使用柱状图表示登船港口为C的男性和女性的生存情况
```python
# 读取 train.csv 文件
df = pd.read_csv('train.csv')
# 筛选登船港口为 C 的数据
embarked_c_df = df[df['Embarked'] == 'C']
# 统计登船港口为 C 的男性和女性生存情况
male_survived = embarked_c_df[(embarked_c_df['Sex'] == 'male') & (embarked_c_df['Survived'] == 1)]
female_survived = embarked_c_df[(embarked_c_df['Sex'] == 'female') & (embarked_c_df['Survived'] == 1)]
# 可视化结果
labels = ['Male', 'Female']
survived_counts = [len(male_survived), len(female_survived)]
plt.bar(labels, survived_counts, color=['#2196f3', '#f44336'])
plt.xlabel('Gender')
plt.ylabel('Survived Count')
plt.title('Survival Count of Male and Female Passengers Embarked at C')
plt.show()
```
### 2.Bank Customer
| id | age | job | marital | education | default | housing | loan | contact | month | ... | campaign | pdays | previous | poutcome | emp_var_rate | cons_price_index | cons_conf_index | lending_rate3m | nr_employed | subscribe |
|-----:|------:|:-------------|:----------|:-------------------|:----------|:----------|:--------|:-----------|:--------|-------:|-----------:|--------:|-----------:|:-----------|---------------:|-------------------:|------------------:|------------------:|---------------:|:------------|
| 1 | 51 | admin. | divorced | professional.course | no | yes | yes | cellular | aug | ... | 1 | 112 | 2 | failure | 1.4 | 90.81 | -35.53 | 0.69 | 5219.74 | no |
| 2 | 50 | services | married | high.school | unknown | yes | no | cellular | may | ... | 1 | 412 | 2 | nonexistent| -1.8 | 96.33 | -40.58 | 4.05 | 4974.79 | yes |
| 3 | 48 | blue-collar | divorced | basic.9y | no | no | no | cellular | apr | ... | 0 | 1027 | 1 | failure | -1.8 | 96.33 | -44.74 | 1.5 | 5022.61 | no |
| 4 | 26 | entrepreneur | single | high.school | yes | yes | yes | cellular | aug | ... | 26 | 998 | 0 | nonexistent| 1.4 | 97.08 | -35.55 | 5.11 | 5222.87 | yes |
| 5 | 45 | admin. | single | university.degree | no | no | no | cellular | nov | ... | 1 | 240 | 4 | success | -3.4 | 89.82 | -33.83 | 1.17 | 4884.7 | no |
字段说明：
- id：每个客户的唯一标识符。这可以是一个客户编号或其他唯一代码，用于区分不同的客户。
- age：客户的年龄，以年为单位。
- job：客户的工作或职业。这是判断客户收入水平、经济稳定性和风险状况的重要指标。
- marital：客户的婚姻状况，包括已婚、单身、离异或丧偶等。婚姻状况可能与客户的财务决策和风险状况相关。
- education：客户的教育水平。教育水平通常与收入水平和风险状况相关联。
- default：客户是否有过违约记录。如果有违约，则可能标记为“是”，否则为“否”。
- housing：指示客户是拥有住房还是租房。这与客户的财务状况有一定关联。
- loan：表示客户是否有未偿还的贷款。这可以帮助银行了解客户的负债情况。
- contact：与客户的联系方式，如手机、电话、电子邮件等。
- month：数据收集或相关活动发生的月份。
- campaign：客户接收到的营销活动的数量。
- pdays：自上一次营销活动以来与客户最后一次联系的天数。
- previous：在过去一个月内与客户的联系次数。
- poutcome：上一次联系的结果，如“成功”、“失败”或“未发生”。
#### 2.1 查看训练数据的前5行和后5行
```python
# 查看前五行数据
train.head()
# 查看后五行数据
train.tail()
```
#### 2.2 输出各字段缺失值数量
```python
# 检测缺失值
missing_values = df.isnull().sum()
# 输出各字段的缺失值数量，其中Age、Cabin、Embarked存在缺失值
missing_values
```
#### 2.3 检测重复值
```python
# 检测重复值
duplicate_rows = df.duplicated()
duplicate_rows_count = duplicate_rows.sum()
print("重复行数:", duplicate_rows_count)
```
#### 2.4 基本统计分析
```python
# 基本统计分析(包含数量、均值、方差、最小值、最大值等)
statistics = df.describe()
print(statistics)
```
| | id | age | duration | campaign | pdays | previous | emp_var_rate | cons_price_index | cons_conf_index | lending_rate3m | nr_employed |
|-------|-----------|----------|----------|----------|-------|----------|--------------|------------------|-----------------|----------------|-------------|
| count | 22500.000 | 22500.000| 22500.000| 22500.000| 22500.000| 22500.000| 22500.000| 22500.000| 22500.000| 22500.000| 22500.000|
| mean | 11250.500 | 40.408 | 1146.304 | 3.365 | 773.992| 1.316 | 0.079 | 93.549 | -39.877 | 3.302 | 5137.211|
| std | 6495.335 | 12.086 | 1432.432 | 7.224 | 326.934| 1.919 | 1.574 | 2.806 | 5.805 | 1.612 | 170.671 |
| min | 1.000 | 16.000 | 0.000 | 0.000 | 0.000 | 0.000 | -3.400 | 87.640 | -53.280 | 0.600 | 4715.420|
| 25% | 5625.750 | 32.000 | 143.000 | 1.000 | 557.750| 0.000 | -1.800 | 91.190 | -44.160 | 1.430 | 5008.510|
| 50% | 11250.500 | 38.000 | 353.000 | 1.000 | 964.000| 0.000 | 1.100 | 93.540 | -40.600 | 3.920 | 5133.955|
| 75% | 16875.250 | 47.000 | 1873.000 | 3.000 | 1005.000| 2.000 | 1.400 | 95.920 | -35.798 | 4.830 | 5267.678|
| max | 22500.000 | 101.000 | 5149.000 | 57.000 | 1048.000| 6.000 | 1.400 | 99.460 | -25.550 | 5.270 | 5489.500|
#### 2.5 柱状图：按教育程度和婚姻状况进行分组
```python
import matplotlib.pyplot as plt
# 按教育程度和婚姻状况进行分组，并计算每个组的数量
grouped_data = df.groupby(['education', 'marital']).size().unstack()
# 绘制柱状图
grouped_data.plot(kind='bar', stacked=True)
# 设置图形属性
plt.xlabel('Education')
plt.ylabel('Count')
plt.title('Marital Status by Education')
plt.xticks(rotation=45)
# 显示图形
plt.show()
```
分组数据（`grouped_data`）：
| education | marital.divorced | marital.married | marital.single | marital.unknown |
| ------------------- | ---------------- | --------------- | -------------- | --------------- |
| basic.4y | 304 | 1724 | 255 | 39 |
| basic.6y | 145 | 971 | 196 | 37 |
| basic.9y | 337 | 2185 | 706 | 38 |
| high.school | 641 | 2641 | 1705 | 44 |
| illiterate | 29 | 42 | 45 | 45 |
| professional.course | 375 | 1669 | 772 | 37 |
| university.degree | 714 | 3379 | 2385 | 46 |
| unknown | 113 | 567 | 280 | 34 |
#### 2.6 【分析一】统计高中学历婚姻状况的比例
```python
# 筛选出高中学历的数据
high_school_data = df[df['education'] == 'high.school']
# 统计高中学历下不同婚姻状况的数量
grouped_data = high_school_data.groupby('marital').size().reset_index(name='count')
# 计算比例
total_count = grouped_data['count'].sum()
grouped_data['ratio'] = grouped_data['count'] / total_count
# 输出统计结果
print(grouped_data[['marital', 'ratio']])
```
输出结果：
```
marital ratio
0 divorced 0.127410
1 married 0.524945
2 single 0.338899
3 unknown 0.008746
```
#### 2.7 【分析一的可视化】使用饼图表示高中学历婚姻状况的比例
```python
plt.figure(figsize=(6, 6))
labels = grouped_data['marital']
sizes = grouped_data['count']
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title('Marital Status of High School Graduates')
plt.show()
# 【分析一的结论】高中学历中结婚的比例达到了52.5%
```
#### 【分析二】统计每个职业的分布情况
```python
# 统计每个职业的人数
job_counts = df['job'].value_counts()
# 根据人数进行排序
job_counts = job_counts.sort_values()
job_counts
```
输出结果：
```
job
unknown 274
student 573
unemployed 647
housemaid 657
self-employed 836
entrepreneur 863
retired 1006
management 1600
services 2083
technician 3530
blue-collar 4874
admin. 5557
Name: count, dtype: int64
```
人数最多的职业占比：
```python
print(f'{round(max(job_counts) / df["job"].count() * 100,2)}%')
# 24.7%
```
【分析二的结论】该份数据中职业为管理人员(admin.)的人数最多，达到了5557，占比 24.7%
#### 【分析二的可视化】使用统计图表示各个职业的人数分布情况
```python
plt.figure(figsize=(10, 6))
job_counts.plot(kind='barh')
plt.title('Number of People by Job')
plt.xlabel('Count')
plt.ylabel('Job')
plt.show()
```
#### 【分析三】统计20-30岁之间用户订阅该产品的比例分布
```python
# 筛选年龄在 20-30 岁之间的数据
age_filter = (df['age'] >= 20) & (df['age'] <= 30)
subset_df = df[age_filter]
# 计算各个年龄的订阅比例
age_counts = subset_df['age'].value_counts()
age_proportions = (age_counts / age_counts.sum()) * 100
age_proportions
```
输出结果：
```
age
30 21.876399
29 18.696820
28 13.949843
27 11.867443
26 9.740260
25 7.120466
24 6.829378
23 4.343932
22 2.642185
21 1.724138
20 1.209136
Name: count, dtype: float64
```
#### 【分析三的可视化】使用饼图绘制20-30岁之间用户订阅该产品的比例分布
```python
plt.figure(figsize=(8, 6))
plt.pie(age_proportions, labels=age_proportions.index, autopct='%1.1f%%')
plt.title('Proportion of Subscribers Aged 20-30')
plt.show()
```
#### 【分析三的可视化】使用柱状图绘制20-30岁之间用户订阅该产品的比例分布
```python
plt.figure(figsize=(8, 6))
plt.bar(age_counts.index, age_counts.values)
plt.xlabel('Age')
plt.ylabel('Number of Subscribers')
plt.title('Distribution of Subscribers Aged 20-30')
plt.show()
```
#### 【分析四】统计拥有房屋贷款、个人贷款、房屋贷款&个人贷款的人数，并计算其占比总人数
```python
# 计算同时拥有房屋贷款和个人贷款的人数
housing_count = len(df[(df['housing'] == 'yes')])
loan_count = len(df[(df['loan'] == 'yes')])
both_loans_count = len(df[(df['housing'] == 'yes') & (df['loan'] == 'yes')])
# 计算占比总人数
total_count = len(df)
housing_loans_ratio = round(housing_count / total_count * 100, 2)
loans_ratio = round(loan_count / total_count * 100, 2)
both_loans_ratio = round(both_loans_count / total_count * 100, 2)
# 输出结果
print(f"拥有房屋贷款的人数: {housing_count}")
print(f"拥有个人贷款的人数: {loan_count}")
print(f"同时拥有房屋贷款和个人贷款的人数: {both_loans_count}")
print(f"总人数: {total_count}")
print(f"拥有房屋贷款的人数占比总人数: {housing_loans_ratio}%")
print(f"拥有个人贷款的人数占比总人数: {loans_ratio}%")
print(f"同时拥有房屋贷款和个人贷款的人数占比总人数: {both_loans_ratio}%")
```
输出结果：
```
拥有房屋贷款的人数: 11568
拥有个人贷款的人数: 3657
同时拥有房屋贷款和个人贷款的人数: 2055
总人数: 22500
拥有房屋贷款的人数占比总人数: 51.41%
拥有个人贷款的人数占比总人数: 16.25%
同时拥有房屋贷款和个人贷款的人数占比总人数: 9.13%
```
#### 【分析四的可视化】使用柱状图统计拥有房屋贷款、个人贷款、房屋贷款&个人贷款的人数，并计算其占比总人数
```python
# 创建柱状图数据
labels = ['Housing', 'Loan', 'Both']
counts = [housing_count, loan_count, both_loans_count]
# 设置柱状图参数
x = range(len(labels))
width = 0.5
# 绘制柱状图
plt.bar(x, counts, width, align='center')
plt.xticks(x, labels)
plt.xlabel('Loan Type')
plt.ylabel('Count')
plt.title('Count of Individuals with Housing Loan and Personal Loan')
# 添加数据标签
for i, count in enumerate(counts):
plt.text(x[i], count, str(count), ha='center', va='bottom')
# 显示图形
plt.show()
```
【分析四的结论】
```
# 拥有房屋贷款的人数: 11568
# 拥有个人贷款的人数: 3657
# 同时拥有房屋贷款和个人贷款的人数: 2055
# 总人数: 22500
# 拥有房屋贷款的人数占比总人数: 51.41%
# 拥有个人贷款的人数占比总人数: 16.25%
# 同时拥有房屋贷款和个人贷款的人数占比总人数: 9.13%
```