Análisis de datos

Se importan las librerías

import pandas as pd

a) se leen los datos al dataframe

res = pd.read_csv('DatosSeguros.csv')
res.head(3)

	edad	sexo	imc	hijos	fumador	region	valor_seguro
0	19	F	27.9	0	yes	Caribe	16884.924
1	19	F	27.9	0	yes	Caribe	16884.924
2	19	F	27.9	0	yes	Caribe	16884.924

Descripción de los datos

res.describe()

	edad	imc	hijos	valor_seguro
count	1349.000000	1347.000000	1349.000000	1349.000000
mean	39.109711	30.618682	1.092661	13311.523280
std	14.071136	6.120026	1.205027	12135.346316
min	18.000000	15.960000	0.000000	1121.873900
25%	26.000000	26.220000	0.000000	4751.070000
50%	39.000000	30.300000	1.000000	9411.005000
75%	51.000000	34.600000	2.000000	16884.924000
max	64.000000	53.130000	5.000000	63770.428010

res.count()

edad            1349
sexo            1349
imc             1347
hijos           1349
fumador         1347
region          1349
valor_seguro    1349
dtype: int64

importar librebrias para graficar

import matplotlib.pyplot as plt

a) comparación entre el total de fumadores contra los que pagan mas por el valor del seguro

# personas que fuman
cuenta_fumadores = res[res['fumador'] == 'yes'];
fuma = cuenta_fumadores['fumador'].count();
# cantidad de personas que no fuman
nofuma = res[res['fumador'] != 'yes']['fumador'].count();

print(f'fumadores: {fuma}, No fumadores: {nofuma}')

fumadores: 281, No fumadores: 1066

plt.pie(x=[fuma, nofuma], labels=['Fumadores','No fumadores'],  autopct='%1.1f%%',\
        explode=[0.1, 0], shadow=True);
plt.title('Figura 6 distribución porcentual de fumadores');

Gaficar un bloxplot donde se muestre el valor del seguro agrupado por fumadores

fig = res.boxplot("valor_seguro", by="fumador");
plt.ylabel('Valor_seguro');
plt.suptitle('');
plt.title('Boxplot valor por condición');

Generando el heatmap

import seaborn as sns

dt = res[['valor_seguro','imc','hijos','edad']]

Compute pairwise correlation of columns

corr = dt.corr()

sns.heatmap(corr, linewidths=0.5, annot=True);

Se busca agrupar los datos por rango de edades

Hay que crear una columna nueva calculada

dt2 = res
dt2['Rango_edad'] = dt2.apply(lambda row: [[[['E','D'][row.edad < 50], 'C'][row.edad < 40], 'B'][row.edad < 30], 'A'][row.edad < 20], axis = 1)

fig = sns.relplot(x='Rango_edad' ,y='valor_seguro',hue='imc',data=dt2)
# fig.set_titles('Figura 11. Relación tres variables: valor seguro, rango de edad y el índice de masa corporal')

sns.barplot(data=dt2,x='Rango_edad',y='valor_seguro', hue='fumador');