-
Notifications
You must be signed in to change notification settings - Fork 0
/
app.py
201 lines (178 loc) · 11.3 KB
/
app.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
# Librerias
import streamlit as st
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
import plotly_express as px
# ---------------CONFIGURACION DE LA PAGINA--------------------
st.set_page_config(page_title= "TITANIC" , layout= "centered", page_icon="🚢")
# ------------------Leemos el DataFrame---- -------------------
df = pd.read_csv(r"TITANIC/TITANIC_limpio.csv")
df2 = pd.read_csv(r"TITANIC/titanic.csv")
# ------------------EMPIEZA NUESTRA APP----------------------------
st.image("https://www.lavanguardia.com/files/image_948_465/uploads/2018/06/29/5fa43d002c905.jpeg")
st.markdown("Fuente -- Online:[www.lavanguardia.com/files/image_948_465/uploads/2018/06/29/5fa43d002c905.jpeg]")
st.title("TITANIC DATA")
st.text("Aquí vamos a mostrar como limpiar los datos, luego haremos un pequeño análisis")
st.text("y las conclusiones del mismo")
# ---------------------SIDEBAR------------------------------
st.set_option('deprecation.showPyplotGlobalUse', False)
st.sidebar.image("http://c.files.bbci.co.uk/16D1/production/_100814850_gettyimages-877330410.jpg", width=150)
st.sidebar.title("Menu")
st.sidebar.write("----")
if st.sidebar.button("DataFrame INICIAL"):
st.dataframe(df2)
if st.sidebar.button("Limpieza de datos"):
st.header("Limpieza")
st.text("Comenzamos viendo como están distribuidos los valores nulos")
code="df.isnull().sum()"
st.code(code,language="python")
st.write(df2.isnull().sum())
st.text("Vemos que porcentaje de nulos tiene cada columna")
code= "df.isnull().sum() * 100 / len(df)"
st.code(code,language="python")
df2.isnull().sum() * 100 / len(df)
st.text("Se decide eliminar la columna Cabin por tener un alto porcentaje de valores nulos")
st.code("df.drop(['Cabin'],axis=1,inplace=True)")
st.text("Empezamos a reparar la columna Age, para ello vemos el tipo de columna que es")
st.code("df['Age'].info()")
st.text("Se chequea la información con la función .describe teniendo en cuenta que es un float")
st.code("df[df['Age'].notnull()]['Age'].describe()")
st.write(df2[df2["Age"].notnull()]["Age"].describe())
st.text("Como la media es un valor con decimales, elijo la mediana como valor para reemplazar los nulos")
st.code("df['Age'].fillna(df['Age'].median(),inplace=True)")
st.text("Luego pasamos a la columna Embarked y vemos sus valores")
st.code("df['Embarked'].value_counts()")
st.write(df2["Embarked"].value_counts())
st.text("Vemos que el valor más común es la S, por ende, rellenamos los nulos con este valor")
st.code("df['Embarked'].fillna(value='S', inplace=True)")
st.text("Comprobamos lo hecho")
st.code("df.isnull().sum()")
st.write(df.isnull().sum())
st.subheader("Hago nuevos rangos en base a las edades para un mejor análisis")
st.text("(niños (0-10) - adolescentes (11-18)- jóvenes (19-28) - adultos (29-59) - ancianos (+60))")
st.code("""
edad_cond = [df["Age"]<= 10,
(df["Age"]> 10) & (df["Age"]<= 18),
(df["Age"]> 18) & (df["Age"]<= 28),
(df["Age"]> 28) & (df["Age"]<= 59),
df["Age"]> 59]
nuevos_nombres = ["Kids", "Teenagers", "Young People", "Adults", "Seniors"]""")
st.text("Añado la nueva columna")
st.code("""df["Age_description"] = np.select(edad_cond,nuevos_nombres)""")
st.text("Así queda la nueva columna")
st.write(df.head(5))
st.text("Aquí termina la limpieza de los datos y pasamos al análisis de los mismos")
if st.sidebar.button("DataFrame Final"):
st.dataframe(df)
# --------------------------------------------------------GENERAL----------------------------------------------------------
if st.sidebar.button("General"):
st.header("Análisis General")
# age_max = df['Age'].max()
# Age_min = df['Age'].min()
# st.write("La edad maxima es " + str(age_max))
# st.write("La edad minima es " + str(Age_min))
st.markdown("- El número de pasajeros embarcados fue 891")
st.markdown("- La distribución en base al rango de edades fue:")
st.write(df["Age_description"].value_counts())
st.markdown("- Mediana de precios por clase:")
st.markdown("Clase 1- 60.29")
st.markdown("Clase 2- 14.25")
st.markdown("Clase 3- 8.05")
st.markdown(" - El promedio de precio pagado por las mujeres fue de 23 y de 10.5 para los hombres")
st.markdown("- El 64.76 % eran hombres, y el 35.24 % eran mujeres y en el siguiente grafico lo podemos ver:")
sns.set_style('ticks')
sns.countplot(x='Age_description', hue= "Sex",data=df, palette='bright').set(title= "Cantidad de personas según su rango etario y sexo")
sns.despine()
st.pyplot()
st.text("En este grafico podemos ver que, salvo en los niños y adolescentes,")
st.text("confirmamos que hubo más hombres que mujeres en el Titanic")
st.markdown("---")
# --------------------------------------------------------Supervivientes-------------------------------------------------
if st.sidebar.button("Supervivientes"):
st.subheader("Gráficos relacionados a la cantidad de supervivientes")
super = df.groupby("Pclass")["Survived"].value_counts().unstack()
super = super.rename(columns={0:"Muertos", 1:"Vivos"})
graf = px.bar(super, title="Cantidad de supervivientes por clase", template = 'plotly_dark', color_discrete_sequence = ['#FF6347', '#A9A9A9'],
height=500, labels={'index':'Clase', 'value':'cantidad', 'survived':"Supervivientes"} )
st.plotly_chart(graf)
st.text("En este grafico se puede ver como la mayoría de los supervivientes fueron de primera")
st.text("clase, aunque era una de las clases con menos tripulante")
st.markdown("---")
# fig1 = px.bar(df, x= "Pclass", y="Survived" , color="Sex", barmode="group", title="Cantidad de supervivientes en base al sexo y la clase",
# labels={"Pclass": "Clase de pasajero", "Survived": "Cantidad de supervivientes"})
# st.plotly_chart(fig1)
fig1 = px.histogram(df, x= "Pclass", y="Survived" , color="Sex", barmode="group", title="Supervivencia en base al sexo y la clase",text_auto=True,
labels={"Pclass": "Clase de pasajero", "Survived": "Cantidad de supervivientes"})
st.plotly_chart(fig1)
st.text("La mayoría de supervivientes fueron mujeres, sin importar la clase")
st.markdown("---")
fig3= px.histogram(df, x= "Age_description", y="Survived", color="Sex" , barmode="group", text_auto=True,
title= "Cantidad de personas por edad y sexo que sobrevivieron",
labels={"Age_description": "Rango de edad del pasajero", "Survived": "Cantidad de Supervivientes"})
fig3.update_traces(textposition="outside",cliponaxis=False)
st.plotly_chart(fig3)
st.text("Aquí podemos ver como solo los niños y ancianos sobrevivieron en la misma medida,")
st.text("en cambio en el resto de los casos las mujeres sobrevivieron más")
st.markdown("---")
# ---------------------------------------------------------TARIFA---------------------------------------------------------
if st.sidebar.button("Tarifa"):
st.subheader("Gráficos relacionados a la tarifa")
# st.code(df.groupby("Pclass")["Fare"].median())
sns.boxplot(x="Pclass",y="Age", hue= "Sex",data= df,palette='Set1').set(title= "Distribución de las edades en base a la clase")
st.pyplot()
st.text("Las tarifas más caras eran adquiridas por personas de mayor edad")
st.markdown("---")
fare_max = round(df["Fare"].max(),2)
fare_min = df["Fare"].min()
fig = px.treemap(df, path=[px.Constant("All"), 'Age_description', 'Sex'], values="Fare", title="Total pagado en base al rango de edad y sexo")
st.plotly_chart(fig)
st.text("Aquí podemos ver que los que más pagaron fueron los adultos y los jóvenes")
st.text("Si bien las mujeres eran menos, pagaron el mismo monto que los hombres")
st.markdown("---")
sns.catplot(x = "Pclass", y = "Fare",hue="Sex", data = df, jitter= 0.2).set(title= "Distribución de los precios pagados en base a la clase y el sexo")
st.pyplot()
st.text("Aquí vemos que la clase 1 fue la que pago los precios más elevados")
st.text("También podemos ver como hubo personas de clase 1 que no pagaron nada por ingresar")
st.text("""al Titanic, algo muy curioso, los "influencers" de la época""")
st.markdown("---")
# -------------------------------------------------------EMBARQUE--------------------------------------------------------
if st.sidebar.button("Embarque"):
st.subheader("Gráficos relacionados al embarque")
fig6 = px.histogram(df, y="Embarked", color="Pclass" , barmode="group", text_auto=True,
title= "Suma de personas en base al lugar que embarcaron y su clase",
labels={"count": "Cantidad de personas", "Embarked": "Lugar donde embarco"})
fig6.update_traces(textposition="outside",cliponaxis=False)
st.plotly_chart(fig6)
st.text("S= Southampton / C= Cherbourg / Q= Queenstown")
st.text("Aquí se puede ver que la gran mayoría se ha embarcado en Southampton")
st.markdown("---")
j= df.groupby("Embarked")["Survived"].value_counts().unstack()
j = j.rename(columns={0:"Muertos", 1:"Vivos"})
fig7 = px.bar(j , pattern_shape="Survived",title="Cantidad de supervivientes en base al lugar de embarque", template = 'plotly_dark', color_discrete_sequence = ['#FF6347', '#A9A9A9'],
pattern_shape_sequence=["x", "+"] ,labels={'value':'cantidad', 'survived':"Supervivientes"})
st.plotly_chart(fig7)
st.text("La mayoría de los muertos han sido de Southampton")
# --------------------------------------------------------Conclusiones---------------------------------------------------
if st.sidebar.button("Conclusiones Generales"):
st.header("Conclusiones")
st.text("Según los datos proporcionados podemos decir que: ")
st.subheader("Datos de embarque")
st.markdown("- El 81 % de las personas embarcadas eran jóvenes (19-28) y adultos (29-59)")
st.markdown("- El 55 % eran de la tercera clase")
st.markdown("- El 72 % ha embarcado en Southampton")
st.markdown("- El 93 % de los embarcados en Queenstown eran de la tercera clase")
st.subheader("Datos de supervivencia")
st.markdown("- Murieron el 62 % de las personas que embarcaron")
st.markdown("- Del total de sobrevivientes el 40 % eran de la primera clase")
st.markdown("- Del total de muertos, el 68 % eran de la tercera clase")
st.markdown("- El 63 % de las personas de primera clase sobrevivieron")
st.markdown("- El 76 % de las personas de tercera clase murieron")
st.markdown("- El 72 % de las mujeres sobrevivieron")
st.markdown("- Del total de sobrevivientes el 78 % eran jóvenes (19-28) y adultos (29-59)")
st.markdown("- Solo el 32 % de los sobrevivientes fueron hombres")
st.markdown("- El 92 % y el 97 % de las mujeres de segunda y tercera clase respectivamente sobrevivieron")
st.subheader("Datos Económicos")
st.markdown("- Si bien las mujeres eran el 35 % de los tripulantes, en proporción pagaron casi el 49 % del total de los billetes")
st.markdown("- El 63 % del monto total abonado fue pagado por la primera clase")