Seaborn绘制Titanic数据集亲属-存活条形图的生成逻辑与含义

问题背景 #

针对Kaggle泰坦尼克数据集做EDA时，通过合并Parch与SibSp字段生成统计乘客随行亲属总人数的特征relative，构造代码如下：

data['relative'] = data['Parch'] + data['SibSp']

调用Seaborn的barplot绘制relative与Survived的关系图时，得到如下输出：

现有疑问：Survived是仅取0、1的二分类字段，relative是取值1-6的离散字段，无法理解该条形图的生成规则和展示的统计信息。

具体逻辑解释 #

Seaborn的barplot不是逐样本绘制原始值，而是默认做分组聚合计算，各元素含义如下：

• x轴：按relative的不同取值拆分乘客分组，每个独立柱子对应一个固定亲属数量的乘客群体
• y轴：默认计算每个分组下Y字段（即Survived）的平均值。由于Survived用1代表存活、0代表未存活，这个平均值就是对应分组的乘客存活率
• 柱子顶部的黑色短竖线：95%置信区间误差棒，用来衡量该分组存活率估计的不确定性，分组内样本量越少，误差棒通常越长

举个简单算例：如果亲属人数为1的分组共有200名乘客，其中70人存活，那这个分组的柱子高度就是70/200=0.35，代表该组35%的存活率。

内容的提问来源于stack exchange，提问作者Amish