并列柱状图或叠加柱状图都可以很好地展示这道题的结果，方法也类似，只需在参数中设置stack=True或False。
##并列柱状图
train.groupby(['Sex','Survived']) ['Survived'].count().unstack().plot(kind='bar',stacked=False)
plt.title('survived_count')
plt.ylabel('count')
plt.show()
##叠加柱状图
train.groupby(['Sex','Survived']) ['Survived'].count().unstack().plot(kind='bar',stacked=True)
plt.title('survived_count')
plt.ylabel('count')
plt.show()
从结果可以看出，并列柱状图更能体现出同一性别组内生存和死亡的差异，而叠加柱状图则更好地表现了不同性别之间的对比。
这里我们把不同票价的总人数和存活人数画在一张图中，可以更好地看出生存率的差别。
import matplotlib
import matplotlib.pyplot as plt
#下面两行的作用是让图表可以显示出中文
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.family']='sans-serif'
fare_sur = train.groupby(['Fare'])['Survived'].agg(['sum','count'])
fare_sur.rename(columns={'sum':'总人数', 'count':'存活人数'}, inplace = True)
fare_sur.plot(grid=True)
plt.title('不同票价人数对比')
plt.show()
可以看出，低票价的总人数非常多，但存活的人却非常少，存活率极低。而票价超过100后，总人数曲线和存活人数曲线走势近乎重合，说明买高票价的人少但他们的存活率较高。
这里尝试一下直方图。
total=train['Age']
survived=train[train['Survived']==1]['Age']
data=pd.concat([total,survived],axis=1)
data.columns=['总人数','存活人数']
pic=data.plot.hist(bins=8,fontsize=30) #按年龄分为8组，即每10岁为一组
pic.legend(fontsize=30)
可以看出，10岁以下组别的存活率是最高的，超过了50%。其他年龄段的存活率都目测都没有超过50%，这与上次task groupby 计算的存活率一致。