DA-07-10-25-lesson1

!pip install kagglehub

import pandas as pd

# Завантажуємо датасет Titanic напряму з URL
url = 'https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv'
df = pd.read_csv(url)

# 1. Подивимось на перші 5 рядків
print("=== Перші 5 рядків датасету ===")
print(df.head())
print("\n")

# 2. Розмір датасету (рядки, колонки)
print(f"=== Розмір датасету ===")
print(f"Кількість рядків: {df.shape[0]}")
print(f"Кількість колонок: {df.shape[1]}")
print("\n")

# 3. Назви всіх колонок
print("=== Назви колонок ===")
print(df.columns.tolist())
print("\n")

# 4. Базова інформація про датасет
print("=== Інформація про датасет ===")
print(df.info())
print("\n")

# 5. Статистика по числових колонках
print("=== Статистика ===")
print(df.describe())
print("\n")

# 6. Скільки людей вижило?
print("=== Виживання пасажирів ===")
print(f"Вижило: {df['Survived'].sum()} людей")
print(f"Загинуло: {len(df) - df['Survived'].sum()} людей")
print("\n")

# 7. Середній вік пасажирів
print("=== Вік пасажирів ===")
print(f"Середній вік: {df['Age'].mean():.1f} років")
print("\n")

# 8. Кількість чоловіків і жінок
print("=== Розподіл за статтю ===")
print(df['Sex'].value_counts())
print("\n")

# 9. Виживання по класах
print("=== Виживання по класах ===")
survival_by_class = df.groupby('Pclass')['Survived'].mean() * 100
print(survival_by_class)
print("\n")

# 10. Збереження обробленого датасету
# df.to_csv('titanic_processed.csv', index=False)
# print("Датасет збережено у файл titanic_processed.csv")

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# Завантажити датасет Titanic
df = pd.read_csv('titanic.csv')

print("="*60)
print("КВАРТИЛІ І ПЕРЦЕНТИЛІ - АНАЛІЗ ТИТАНІКА")
print("="*60)

# ============================================
# ЧАСТИНА 1: АНАЛІЗ ВАРТОСТІ КВИТКІВ
# ============================================

# Видалити пропущені значення
fares = df['Fare'].dropna()

print("\n=== КВАРТИЛІ ВАРТОСТІ КВИТКІВ ===")
q1_fare = fares.quantile(0.25)  # Перший квартиль (25-й перцентиль)
q2_fare = fares.quantile(0.50)  # Другий квартиль (медіана, 50-й перцентиль)
q3_fare = fares.quantile(0.75)  # Третій квартиль (75-й перцентиль)

print(f"Q1 (25-й перцентиль): ${q1_fare:.2f}")
print(f"Q2 (50-й перцентиль / Медіана): ${q2_fare:.2f}")
print(f"Q3 (75-й перцентиль): ${q3_fare:.2f}")
print(f"IQR (міжквартильний розмах, Q3 - Q1): ${q3_fare - q1_fare:.2f}")

print(f"\nІнтерпретація:")
print(f"• 25% пасажирів заплатили менше ніж ${q1_fare:.2f}")
print(f"• 50% пасажирів заплатили менше ніж ${q2_fare:.2f} (медіана)")
print(f"• 75% пасажирів заплатили менше ніж ${q3_fare:.2f}")
print(f"• Середні 50% заплатили від ${q1_fare:.2f} до ${q3_fare:.2f}")

# Порівняння середнього та медіани
mean_fare = fares.mean()
print(f"\nСереднє значення вартості: ${mean_fare:.2f}")
print(f"Медіана вартості: ${q2_fare:.2f}")
print(f"Різниця: ${mean_fare - q2_fare:.2f} (Середнє на {((mean_fare/q2_fare - 1)*100):.1f}% вище!)")
print("→ Розподіл з правосторонньою асиметрією (кілька дорогих квитків підвищують середнє)")

# ============================================
# ЧАСТИНА 2: АНАЛІЗ ПЕРЦЕНТИЛІВ
# ============================================

print("\n=== КЛЮЧОВІ ПЕРЦЕНТИЛІ (Вартість) ===")
percentiles = [10, 25, 50, 75, 90, 95, 99]
for p in percentiles:
    value = fares.quantile(p/100)
    print(f"{p}-й перцентиль: ${value:.2f} (Топ {100-p}% заплатили більше)")

# ============================================
# ЧАСТИНА 3: АНАЛІЗ ВІКУ
# ============================================

ages = df['Age'].dropna()

print("\n=== КВАРТИЛІ ВІКУ ===")
q1_age = ages.quantile(0.25)  # Перший квартиль віку
q2_age = ages.quantile(0.50)  # Медіана віку
q3_age = ages.quantile(0.75)  # Третій квартиль віку

print(f"Q1 (25-й перцентиль): {q1_age:.1f} років")
print(f"Q2 (50-й перцентиль): {q2_age:.1f} років")
print(f"Q3 (75-й перцентиль): {q3_age:.1f} років")
print(f"IQR (міжквартильний розмах): {q3_age - q1_age:.1f} років")

print(f"\nІнтерпретація:")
print(f"• 25% пасажирів були молодші за {q1_age:.1f}")
print(f"• 50% були молодші за {q2_age:.1f} (медіанний вік)")
print(f"• 75% були молодші за {q3_age:.1f}")

# ============================================
# ЧАСТИНА 4: КВАРТИЛІ ЗА КЛАСАМИ
# ============================================

print("\n=== КВАРТИЛІ ВАРТОСТІ ЗА КЛАСОМ ПАСАЖИРА ===")
for pclass in [1, 2, 3]:
    # Отримати вартість квитків для кожного класу
    class_fares = df[df['Pclass'] == pclass]['Fare'].dropna()
    q1 = class_fares.quantile(0.25)
    q2 = class_fares.quantile(0.50)
    q3 = class_fares.quantile(0.75)
    
    print(f"\nКлас {pclass}:")
    print(f"  Q1: ${q1:.2f}")
    print(f"  Q2 (Медіана): ${q2:.2f}")
    print(f"  Q3: ${q3:.2f}")
    print(f"  IQR: ${q3-q1:.2f}")

# ============================================
# ЧАСТИНА 5: ВИЖИВАННЯ ЗА ВІКОВИМИ КВАРТИЛЯМИ
# ============================================

print("\n=== РІВЕНЬ ВИЖИВАННЯ ЗА ВІКОВИМИ КВАРТИЛЯМИ ===")

# Створити групи вікових квартилів
# pd.qcut розділяє дані на рівні групи за квартилями
df['Age_Quartile'] = pd.qcut(df['Age'].dropna(), 
                              q=4,  # 4 квартилі
                              labels=['Q1 (Наймолодші)', 'Q2', 'Q3', 'Q4 (Найстарші)'])

# Розрахувати рівень виживання для кожного квартиля
survival_by_age_quartile = df.groupby('Age_Quartile', observed=True)['Survived'].agg(['mean', 'count'])
survival_by_age_quartile.columns = ['Рівень_Виживання', 'Кількість']

print(survival_by_age_quartile)
print("\nВисновок: Чи впливає віковий квартиль на виживання?")

# Встановити стиль графіків
plt.style.use('seaborn-v0_8-darkgrid')

# Створити сітку з 4 графіків (2 рядки × 2 стовпці)
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# Загальний заголовок для всіх графіків
fig.suptitle('Аналіз квартилів і перцентилів - Датасет Титаніка', 
             fontsize=16, fontweight='bold')

# ============================================
# ГРАФІК 1: Box Plot - Розподіл вартості квитків
# ============================================
ax1 = axes[0, 0]  # Верхній лівий графік

# Створити діаграму "коробка з вусами" (box plot)
bp = ax1.boxplot([fares],  # Дані про вартість квитків
                  vert=False,  # Горизонтальна орієнтація
                  widths=0.5,  # Ширина коробки
                  patch_artist=True,  # Дозволити кольорове заповнення
                  boxprops=dict(facecolor='lightblue', alpha=0.7),  # Колір коробки
                  medianprops=dict(color='red', linewidth=2),  # Червона лінія медіани
                  whiskerprops=dict(linewidth=1.5),  # Товщина "вусів"
                  capprops=dict(linewidth=1.5))  # Товщина кінцевих ліній

# Розрахувати квартилі
q1, q2, q3 = fares.quantile([0.25, 0.50, 0.75])

# Додати вертикальні лінії для квартилів
ax1.axvline(q1, color='green', linestyle='--', alpha=0.7, label=f'Q1: ${q1:.2f}')
ax1.axvline(q2, color='red', linestyle='--', alpha=0.7, label=f'Q2: ${q2:.2f}')
ax1.axvline(q3, color='orange', linestyle='--', alpha=0.7, label=f'Q3: ${q3:.2f}')

ax1.set_xlabel('Вартість ($)', fontsize=11)
ax1.set_title('Box Plot: Розподіл вартості квитків з квартилями', fontweight='bold')
ax1.legend()  # Показати легенду
ax1.grid(True, alpha=0.3)  # Додати сітку

# ============================================
# ГРАФІК 2: Гістограма з лініями перцентилів
# ============================================
ax2 = axes[0, 1]  # Верхній правий графік

# Побудувати гістограму вартості квитків
ax2.hist(fares, bins=50,  # 50 стовпчиків
         color='skyblue', 
         edgecolor='black', 
         alpha=0.7)

# Перцентилі для відображення
percentiles_to_plot = [25, 50, 75, 90]
colors = ['green', 'red', 'orange', 'purple']

# Додати вертикальні лінії для кожного перцентиля
for p, color in zip(percentiles_to_plot, colors):
    value = fares.quantile(p/100)
    ax2.axvline(value, color=color, linestyle='--', linewidth=2, 
                label=f'P{p}: ${value:.2f}')

ax2.set_xlabel('Вартість ($)', fontsize=11)
ax2.set_ylabel('Частота', fontsize=11)
ax2.set_title('Розподіл вартості з ключовими перцентилями', fontweight='bold')
ax2.legend()
ax2.grid(True, alpha=0.3)

# ============================================
# ГРАФІК 3: Box Plot за класами пасажирів
# ============================================
ax3 = axes[1, 0]  # Нижній лівий графік

# Підготувати дані для кожного класу
class_1_fares = df[df['Pclass'] == 1]['Fare'].dropna()  # 1-й клас
class_2_fares = df[df['Pclass'] == 2]['Fare'].dropna()  # 2-й клас
class_3_fares = df[df['Pclass'] == 3]['Fare'].dropna()  # 3-й клас

# Створити box plot для трьох класів
bp = ax3.boxplot([class_1_fares, class_2_fares, class_3_fares],
                 labels=['1-й клас', '2-й клас', '3-й клас'],
                 patch_artist=True,
                 boxprops=dict(alpha=0.7),
                 medianprops=dict(color='red', linewidth=2))

# Розфарбувати коробки різними кольорами
colors = ['gold', 'silver', 'brown']  # Золотий, сріблястий, коричневий
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

ax3.set_ylabel('Вартість ($)', fontsize=11)
ax3.set_title('Квартилі вартості за класом пасажира', fontweight='bold')
ax3.grid(True, alpha=0.3, axis='y')  # Горизонтальна сітка

# ============================================
# ГРАФІК 4: Розподіл перцентилів віку
# ============================================
ax4 = axes[1, 1]  # Нижній правий графік

# Розрахувати перцентилі від 0 до 100 з кроком 5
percentiles = np.arange(0, 101, 5)
age_percentiles = [ages.quantile(p/100) for p in percentiles]

# Побудувати криву перцентилів
ax4.plot(percentiles, age_percentiles, 
         linewidth=2.5, 
         color='darkblue', 
         marker='o',  # Круглі маркери
         markersize=4)

# Заповнити область під кривою
ax4.fill_between(percentiles, age_percentiles, alpha=0.3, color='lightblue')

# Виділити квартилі горизонтальними лініями
for p in [25, 50, 75]:
    value = ages.quantile(p/100)
    ax4.axhline(value, color='red', linestyle='--', alpha=0.6)
    # Додати текстові мітки
    ax4.text(102, value, f'Q{p//25}: {value:.1f}р', fontsize=9, va='center')

ax4.set_xlabel('Перцентиль', fontsize=11)
ax4.set_ylabel('Вік (роки)', fontsize=11)
ax4.set_title('Крива перцентилів віку (від 0-го до 100-го)', fontweight='bold')
ax4.grid(True, alpha=0.3)

# Автоматично відрегулювати відстані між графіками
plt.tight_layout()

# Відобразити всі графіки
plt.show()

print("\n✅ Всі візуалізації успішно створені!")