In [8]:
from IPython.display import HTML

HTML("""
<style>

/* ocultar la primera celda */
.jp-CodeCell:first-child {
    display:none;
}

/* tipografía general */
body {
    font-family: 'Segoe UI', Arial, sans-serif;
    line-height: 1.7;
    background:#fafafc;
}

/* títulos */
h1 {
    color:#6B8EEC;
    border-bottom:3px solid #BFD3FF;
    padding-bottom:6px;
}

h2 {
    color:#5A5A7A;
    margin-top:30px;
}

/* párrafos */
p {
    font-size:16px;
    color:#444;
}

/* bloques de código */
.jp-CodeCell pre {
    background:#f4f6ff !important;
    color:#333 !important;
    border-left:4px solid #9FB8FF;
    padding:12px;
    border-radius:6px;
}

/* resultados */
.jp-OutputArea pre {
    background:#fdf6ff;
    border-left:4px solid #D7B8FF;
    padding:10px;
    border-radius:6px;
}

/* tablas de pandas */
.dataframe {
    border-collapse: collapse !important;
    margin-top:15px;
    background:white;
    border-radius:8px;
    overflow:hidden;
}

.dataframe th {
    background:#C9D8FF !important;
    color:#333 !important;
    padding:8px;
}

.dataframe td {
    padding:8px;
    border-bottom:1px solid #eee;
}

/* cajas informativas */
.note {
    background:#EEF3FF;
    padding:15px;
    border-radius:8px;
    border-left:6px solid #9FB8FF;
}

/* listas */
ul {
    line-height:1.8;
}

</style>
""")
Out[8]:

Importación de librerías¶

Para comenzar el análisis del dataset se importa la biblioteca pandas, que permite manipular y analizar datos de manera eficiente en Python.

In [1]:
import pandas as pd

Carga del dataset¶

Se carga el archivo CSV que contiene la información de los pasajeros del Titanic. Este archivo se guarda en una variable llamada df, que representa el DataFrame con los datos.

In [5]:
df = pd.read_csv("titanic.csv")

Visualización de las primeras filas¶

El método head() permite observar las primeras filas del dataset para entender la estructura de los datos y las columnas disponibles.

In [6]:
df.head()
Out[6]:
Passengerid Age Fare Sex sibsp zero zero.1 zero.2 zero.3 zero.4 ... zero.12 zero.13 zero.14 Pclass zero.15 zero.16 Embarked zero.17 zero.18 2urvived
0 1 22.0 7.2500 0 1 0 0 0 0 0 ... 0 0 0 3 0 0 2.0 0 0 0
1 2 38.0 71.2833 1 1 0 0 0 0 0 ... 0 0 0 1 0 0 0.0 0 0 1
2 3 26.0 7.9250 1 0 0 0 0 0 0 ... 0 0 0 3 0 0 2.0 0 0 1
3 4 35.0 53.1000 1 1 0 0 0 0 0 ... 0 0 0 1 0 0 2.0 0 0 1
4 5 35.0 8.0500 0 0 0 0 0 0 0 ... 0 0 0 3 0 0 2.0 0 0 0

5 rows × 28 columns

Visualización de las últimas filas¶

El método tail() permite observar las últimas filas del dataset para verificar cómo terminan los registros.

In [7]:
df.tail()
Out[7]:
Passengerid Age Fare Sex sibsp zero zero.1 zero.2 zero.3 zero.4 ... zero.12 zero.13 zero.14 Pclass zero.15 zero.16 Embarked zero.17 zero.18 2urvived
1304 1305 28.0 8.0500 0 0 0 0 0 0 0 ... 0 0 0 3 0 0 2.0 0 0 0
1305 1306 39.0 108.9000 1 0 0 0 0 0 0 ... 0 0 0 1 0 0 0.0 0 0 0
1306 1307 38.5 7.2500 0 0 0 0 0 0 0 ... 0 0 0 3 0 0 2.0 0 0 0
1307 1308 28.0 8.0500 0 0 0 0 0 0 0 ... 0 0 0 3 0 0 2.0 0 0 0
1308 1309 28.0 22.3583 0 1 0 0 0 0 0 ... 0 0 0 3 0 0 0.0 0 0 0

5 rows × 28 columns

Información general del dataset¶

El método info() muestra información importante como el número de filas, el tipo de datos de cada columna y la cantidad de valores nulos.

In [9]:
df.info()

<class 'pandas.DataFrame'>
RangeIndex: 1309 entries, 0 to 1308
Data columns (total 28 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   Passengerid  1309 non-null   int64  
 1   Age          1309 non-null   float64
 2   Fare         1309 non-null   float64
 3   Sex          1309 non-null   int64  
 4   sibsp        1309 non-null   int64  
 5   zero         1309 non-null   int64  
 6   zero.1       1309 non-null   int64  
 7   zero.2       1309 non-null   int64  
 8   zero.3       1309 non-null   int64  
 9   zero.4       1309 non-null   int64  
 10  zero.5       1309 non-null   int64  
 11  zero.6       1309 non-null   int64  
 12  Parch        1309 non-null   int64  
 13  zero.7       1309 non-null   int64  
 14  zero.8       1309 non-null   int64  
 15  zero.9       1309 non-null   int64  
 16  zero.10      1309 non-null   int64  
 17  zero.11      1309 non-null   int64  
 18  zero.12      1309 non-null   int64  
 19  zero.13      1309 non-null   int64  
 20  zero.14      1309 non-null   int64  
 21  Pclass       1309 non-null   int64  
 22  zero.15      1309 non-null   int64  
 23  zero.16      1309 non-null   int64  
 24  Embarked     1307 non-null   float64
 25  zero.17      1309 non-null   int64  
 26  zero.18      1309 non-null   int64  
 27  2urvived     1309 non-null   int64  
dtypes: float64(3), int64(25)
memory usage: 286.5 KB

Estadísticas descriptivas¶

El método describe() permite obtener estadísticas básicas de las columnas numéricas como promedio, mínimo, máximo y percentiles.

In [10]:
df.describe()
Out[10]:
Passengerid Age Fare Sex sibsp zero zero.1 zero.2 zero.3 zero.4 ... zero.12 zero.13 zero.14 Pclass zero.15 zero.16 Embarked zero.17 zero.18 2urvived
count 1309.000000 1309.000000 1309.000000 1309.000000 1309.000000 1309.0 1309.0 1309.0 1309.0 1309.0 ... 1309.0 1309.0 1309.0 1309.000000 1309.0 1309.0 1307.000000 1309.0 1309.0 1309.000000
mean 655.000000 29.503186 33.281086 0.355997 0.498854 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 2.294882 0.0 0.0 1.492731 0.0 0.0 0.261268
std 378.020061 12.905241 51.741500 0.478997 1.041658 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.837836 0.0 0.0 0.814626 0.0 0.0 0.439494
min 1.000000 0.170000 0.000000 0.000000 0.000000 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 1.000000 0.0 0.0 0.000000 0.0 0.0 0.000000
25% 328.000000 22.000000 7.895800 0.000000 0.000000 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 2.000000 0.0 0.0 1.000000 0.0 0.0 0.000000
50% 655.000000 28.000000 14.454200 0.000000 0.000000 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 3.000000 0.0 0.0 2.000000 0.0 0.0 0.000000
75% 982.000000 35.000000 31.275000 1.000000 1.000000 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 3.000000 0.0 0.0 2.000000 0.0 0.0 1.000000
max 1309.000000 80.000000 512.329200 1.000000 8.000000 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 3.000000 0.0 0.0 2.000000 0.0 0.0 1.000000

8 rows × 28 columns

Validación de columnas¶

Se revisan dos columnas específicas del dataset para identificar si contienen valores nulos o faltantes.

In [11]:
df[["Age", "Fare"]].isnull().sum()
Out[11]:
Age     0
Fare    0
dtype: int64

Modificación de columnas¶

En esta sección se realizan ajustes en algunas columnas del dataset. Por ejemplo, se pueden reemplazar valores faltantes o ajustar el formato de los datos.

In [12]:
df["Age"] = df["Age"].fillna(df["Age"].mean())
df["Fare"] = df["Fare"].round(2)

Visualización de columnas individuales¶

Se pueden seleccionar columnas específicas del dataset para analizar sus valores de forma independiente.

In [13]:
df["Age"]
Out[13]:
0       22.0
1       38.0
2       26.0
3       35.0
4       35.0
        ... 
1304    28.0
1305    39.0
1306    38.5
1307    28.0
1308    28.0
Name: Age, Length: 1309, dtype: float64
In [14]:
df["Fare"]
Out[14]:
0         7.25
1        71.28
2         7.92
3        53.10
4         8.05
         ...  
1304      8.05
1305    108.90
1306      7.25
1307      8.05
1308     22.36
Name: Fare, Length: 1309, dtype: float64
In [ ]: