2025年dhu 数据科学与技术第7次作业

科技前沿 • 2025-03-04 10:04 • 阅读 40

大家好，我是讯享网，很高兴认识大家。

一. 简答题（共1题，100分）

(简答题, 100分)
文件bankpep.csv存放着银行储户的基本信息，数据格式如表4-7所示。

讯享网
通过绘图对这些客户数据进行可视化分析。
（1）客户年龄分布的直方图和密度图（见图4-25）。
（2）客户年龄和收入关系的散点图（见图4-26）。

图4-25 客户年龄分布

图4-26 按客户年龄和收入关系绘制的散点图

（3）绘制散点图观察客户（年龄、收入、孩子数）之间的关系，用对角线显示直方图（见图4-27）。
（4）按区域展示平均收入的柱状图，并显示标准差（见图4-28）。
在这里插入图片描述
图4-27 按客户年龄、收入、孩子数关系绘制的散点矩阵

图4-28 各区域客户的平均收入

（5）多子图绘制：客户中性别占比饼图，有车客户的性别占比饼图，按孩子数的客户占比饼图（见图4-29）。
（6）各性别、收入绘制的箱形图（见图4-30）。
在这里插入图片描述
图4-29 按性别、有车客户的性别、孩子数占比绘制的饼图

图4-30 按性别、收入绘制的箱形图
bankpep.csv

解题

import matplotlib.pyplot as plt import pandas as pd from pandas import DataFrame import numpy as np import matplotlib data = pd.read_csv('C:\\python\\bankpep.csv') # 1) plt.hist(data['age'],bins=10,density=True) data['age'].plot(kind='kde') plt.title('Customer Age') plt.xlabel('Age') plt.ylabel('Density') plt.show() # 2) plt.scatter(data['age'],data['income'],label = '(age,income)',marker=',',s=7) plt.grid(True) plt.xlim(0,80) plt.title('Customer Income') plt.legend() plt.xlabel('Age') plt.ylabel('Income') plt.show() # 3) pd.plotting.scatter_matrix(data[['age','income','children']]) plt.show() # 4) mean = data.groupby(['region']).agg({ 
   'income':np.mean}) std = data.groupby(['region']).agg({ 
   'income':np.std}) plt.bar(mean.index,mean.income,yerr=std.income,width=0.6) plt.xlabel('Recion') plt.title('Customer Income') plt.xticks(rotation=45) plt.show() # 5) fig=plt.figure(figsize=(6,6)) ax1=fig.add_subplot(2,2,1) list1=data.groupby(['sex'])['sex'].count() plt.pie(list1,labels=['FEMALE','MALE'],startangle = 45,autopct='%0.1f%%') plt.ylabel('sex') plt.title('Customer Sex') ax2=fig.add_subplot(2,2,2) list1=data[data['car'] =='YES'].groupby(['sex'])['sex'].count() plt.pie(list1,labels=['FEMALE','MALE'],startangle = 45,autopct='%0.1f%%') plt.ylabel('sex') plt.title('Customer Car Sex') ax3=fig.add_subplot(223) list1=data.groupby(['children'])['children'].count() plt.pie(list1,labels=[0,1,2,3],startangle = 45,autopct='%0.1f%%') plt.ylabel('Children') plt.title('Customer Children') plt.show() # 6) MALE = data[data['sex']=='MALE']['income'] FEMALE = data[data['sex']=='FEMALE']['income'] plt.boxplot([FEMALE,MALE],labels=['FEMALE','MALE']) plt.xlabel('[sex]') plt.title('Boxplot grouped by sex income') plt.grid(True) plt.show()

讯享网

2025年dhu 数据科学与技术 第7次作业

解题

相关推荐

2025年dhu 数据科学与技术第7次作业