MostUsed

#Kitabxanaları əlavə edək

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



#Warning-leri Ignore etmek ucun Kitabxana

import warnings
warnings.filterwarnings("ignore")




#Datanı oxudaq
path = r"C:\Users\user\Desktop\adult.csv"
df=pd.read_csv(path)

df.head()
df.info() 
df.shape 



#Null data var mi onu yoxlayaq
df.isnull().sum()

#Bu data-da bəzi xanalarda data yox sual işərasi var idi. Bu səbəblə :
#Icinde sual isareti olan xanalari toplayaq
df.isin(['?']).sum()


#Sual isaretlerin Sütunun ən çox təkrarlanan dəyəri ilə əvəz edək. 
#Bununla Sual isaretlerinin yerinə ən çox təkrarlanan iş yeri olan Private-ı replace edir.
df["workclass"]=df["workclass"].replace("?", df["workclass"].mode()[0])


#İstifadə etməyəcəyimiz dataları Drop edək 
df=df.drop(columns=["fnlwgt","educational-num","capital-gain",'capital-loss'])





#Bu data Income sutununda olan <50k-ları 0 , >50k-ları 1 olaraq təyin edirik. Bununla Data-nı daha rahat Vizualzasiya edirik. 
df["income"] = df.income.map({'<=50K': 0, '>50K': 1, '<=50K.': 0, '>50K.': 1})


#Eyni Şəkildə Evlənməmiş Boşanmış Dul-ları Bekar digərlərini Evli olaraq ayırırıq ki daha rahat vizualzasiya edək.
df["marriage-status"]=df["marital-status"].map({'Never-married':'Single', "Widowed" : "Single", "Divorced":"Single", "Separated":"Single",'Married-civ-spouse':"Married",'Married-spouse-absent':"Married", 'Married-AF-spouse':"Married"  })

# Unikal deyerleri tapmaq ucun
df["marital-status"].unique()
 
# =============================================================================

#Data-da ki Numeric dəyərlərin Statistikasını tapaq

df.describe()

#Data-da ki Numeric olmayan (Object) dəyərlərin Statistikasını tapaq
df.describe(include=["O"])


# =============================================================================

#%% 
plt.figure(figsize=(10,6))
total = float(len(df) )

ax = sns.countplot(x="income", data=df)
for p in ax.patches:
    height = p.get_height()
    ax.text(p.get_x()+p.get_width()/2.,
            height + 200,
            '{:1.2f}'.format((height/total)*100),
            ha="center") 
plt.show()

#Bu Grafiklə Countplot qrafiklərə Label-lar əlavə edə bilirik
#Ancaq bu grafik hue="X" olanda işləmir. Yəni X datası Y datasına görə dağılım edəndə işləmir
#Misal Evli insanların Gəliri 50k-nın altındadır yoxsa 50k-nın üstündədir.
#Bunun üçün altta ki qrafikdən istifadə edilə bilər 

# =============================================================================

#%%

ax = sns.countplot(x="marriage-status", hue="income" , data=df)

for p in ax.patches:
   ax.annotate('{:.1f}'.format(p.get_height()), (p.get_x()+0.1, p.get_height()+100))

plt.show()

#%%