Projekt
Kto cestoval Titanicom a koľko zaplatil? Charakteristiky polohy podľa tried, prístavov a pohlavia na 891 skutočných cestujúcich.
Zoznam 891 cestujúcich lode Titanic z apríla 1912 je jeden z najznámejších výučbových datasetov. V tomto projekte
ním opíšeš typického cestujúceho: aký bol starý, koľko zaplatil za lístok a ako sa to líšilo medzi triedami,
prístavmi a pohlaviami. Naučíš sa vybrať správnu mieru polohy, porovnávať skupiny cez groupby a čítať, čo
prezrádza rozdiel medzi priemerom a mediánom.
Každý krok je samostatná úloha s kontrolou a nápovedami. Kódové kroky už majú načítané dáta, takže chyba v jednom kroku nepokazí ďalšie.
Súbor titanic.csv: oddeľovač bodkočiarka, desatinná bodka, prázdna bunka znamená chýbajúcu hodnotu.
Jeden riadok je jeden cestujúci.
| stĺpec | význam | hodnoty |
|---|---|---|
prezil | prežil potopenie | áno, nie |
trieda | cestovná trieda | 1 (najdrahšia), 2, 3 |
pohlavie | pohlavie | muž, žena |
vek | vek v rokoch (deti do roka majú zlomok, odhady sú s polovicou, napr. 28,5) | roky, chýba pri 177 cestujúcich |
surodenci_partner | počet súrodencov a partnerov na palube | počet osôb |
rodicia_deti | počet rodičov a detí na palube | počet osôb |
cestovne | cena lístka (mohol platiť pre viac osôb) | libry |
pristav | prístav nalodenia | Cherbourg, Queenstown, Southampton |
paluba | paluba kabíny | A až G, väčšinou chýba |
sam | cestoval bez rodiny | áno, nie |
Zdroj: verejný zoznam cestujúcich Titanicu vo verzii z ukážkových dát knižnice seaborn. Názvy stĺpcov a kategórie sú preložené do slovenčiny, hodnoty sú pôvodné.
titanic.csv891 riadkov, 10 stĺpcov
| prezil | trieda | pohlavie | vek | surodenci_partner | rodicia_deti | cestovne | pristav | paluba | sam |
|---|---|---|---|---|---|---|---|---|---|
| nie | 3 | muž | 22.0 | 1 | 0 | 7.25 | Southampton | NaN | nie |
| áno | 1 | žena | 38.0 | 1 | 0 | 71.2833 | Cherbourg | C | nie |
| áno | 3 | žena | 26.0 | 0 | 0 | 7.925 | Southampton | NaN | áno |
| áno | 1 | žena | 35.0 | 1 | 0 | 53.1 | Southampton | C | nie |
| nie | 3 | muž | 35.0 | 0 | 0 | 8.05 | Southampton | NaN | áno |
Kroky idú za sebou. V kódových krokoch sú dáta aj výsledky predchádzajúcich krokov už pripravené.
Krok 1
Opíš vek cestujúcich. Tabuľka df je už načítaná.
n_vek ulož počet cestujúcich so známym vekom a do podiel_chyba podiel cestujúcich, ktorým vek chýba.priemer_vek, median_vek a modus_vek ulož priemer, medián a modus veku (modus ako jedno číslo).Výstup sa zobrazí po spustení.
Spusti kód a oprav chyby, kým neprejdú všetky kontroly.
Krok 2
Kolega spustil:
>>> (df["vek"] < 18).sum()
113
>>> len(df)
891
Koľko percent cestujúcich so známym vekom bolo mladších ako 18 rokov? Zadaj na jedno desatinné miesto. Ďalšie potrebné číslo nájdeš v predchádzajúcom kroku.
Krok 3
Porovnaj vek cestujúcich v jednotlivých triedach.
Do vek_trieda ulož tabuľku, ktorá pre každú triedu obsahuje priemer, medián a počet známych vekov
(stĺpce mean, median, count).
Výstup sa zobrazí po spustení.
Spusti kód a oprav chyby, kým neprejdú všetky kontroly.
Krok 4
Výsledok z predchádzajúceho kroku:
| trieda | priemer | medián | známych vekov |
|---|---|---|---|
| 1 | 38,23 | 37 | 186 |
| 2 | 29,88 | 29 | 173 |
| 3 | 25,14 | 24 | 355 |
Ktoré tvrdenie je správne?
Krok 5
Porovnaj cenu lístka podľa prístavu, kde cestujúci nastúpil.
cestovne_pristav ulož pre každý prístav priemer, medián a počet cestovného (stĺpce mean, median, count).rozdiel ulož pre každý prístav rozdiel priemeru a mediánu.najvacsi ulož názov prístavu, kde je tento rozdiel najväčší.Výstup sa zobrazí po spustení.
Spusti kód a oprav chyby, kým neprejdú všetky kontroly.
Krok 6
V Cherbourgu je priemerné cestovné 59,95 libry, ale medián len 29,70 libry.
Čo z toho vyplýva?
Krok 7
Porovnaj rozloženie veku mužov a žien pomocou kvartilov.
kvartily ulož tabuľku s dolným kvartilom, mediánom a horným kvartilom veku pre mužov a ženy
(riadky muž a žena, stĺpce 0.25, 0.5, 0.75).p90 ulož 90. percentil veku všetkých cestujúcich.Výstup sa zobrazí po spustení.
Spusti kód a oprav chyby, kým neprejdú všetky kontroly.
Krok 8
Kolega spustil:
>>> df.groupby("trieda")["cestovne"].agg(["mean", "median"]).round(2)
mean median
trieda
1 84.15 60.29
2 20.66 14.25
3 13.68 8.05
Aký je medián cestovného v 2. triede v librách? Zadaj na dve desatinné miesta.
Krok 9
Premenná trieda má hodnoty 1, 2 a 3. Pandas pre ňu vypočíta:
>>> df["trieda"].mean(), df["trieda"].median(), df["trieda"].mode()[0]
(2.308641975308642, 3.0, 3)
Ktorá veta o type cestujúcich podľa triedy dáva zmysel?
Krok 10
Napíš krátky odsek (4 až 7 viet) pre sprievodcu múzeom: aký bol typický cestujúci v 1., 2. a 3. triede z hľadiska veku a ceny lístka. Uveď konkrétne čísla z tohto projektu, zdôvodni, ktorú mieru polohy si zvolil, a spomeň, na čo si treba pri týchto číslach dať pozor.