泰坦尼克号生还率分析
数据来源 kaggle 数据集 → 共有 1309 名乘客数据,其中 891 是已知存活情况（train.csv）
剩下 418 则是需要进行分析预测的（test.csv）
字段意义：
- PassengerID：乘客编号
- Survived：存活情况（存活：1；死亡：0）
- Pclass：客舱等级
- Name：乘客姓名
- Sex：性别
- Age：年龄
- SibSp：同乘的兄弟姐妹/配偶数
- Parch：同乘的父母/小孩数
- Ticket：船票编号
- Fare：船票价格
- Cabin：客舱号
目的：
通过已知获救数据，预测乘客生存情况
1、整体来看，存活比例如何？
分析思路：
- 读取已知生存数据 train.csv
- 查看已知存活数据中，存活比例如何？
提示：
- 注意过程中筛选掉缺失值之后再分析
- 这里用 seaborn 制图辅助研究
存活比例为 38.38%
2、结合性别和年龄数据，分析幸存下来的人是那些人？
分析思路：
- 年龄数据的分布情况
- 男性和女性存活情况
- 老人和小孩存活情况
我们用柱形图和箱线图查看具体年龄数据分布情况。
由柱形图和箱线图可得知，样本年龄数据分布在 18 - 30岁之间的人数比较多，同时小孩特别多，老人比较少。
总体年龄分布：去掉缺失值后样本有 714，平均年龄为 30岁，标准差 14岁，最小年龄 0.42，最大年龄 80
通过描述统计可得出，总体年龄分布：去掉缺失值后样本有 714，平均年龄为 30岁，标准差 14岁，最小年龄 0.42，最大年龄 80。
接下来我们对整个数据按性别进行分组，查看性别对生存率的影响。
通过计算可得知，女性存活率74.20%,男性存活率18.89%，女性存活率明显高于男性。
接下来，我们再按照船舱等级分组，进行分析，看看船舱等级对生还率的影响。
按船舱等级和年龄划分（看蓝色部分存活者），一等船舱集中分布在 20 - 40岁，二等和三等不仅仅年龄分布在 20 - 40岁，还有许多低龄存活者；
按船舱等级和性别划分（看蓝色部分存活者），两者均有较低年龄的存活者，总体来说这次对女性和低龄人士，都有一定的照顾，存活率都比较高。
接下来按年龄划分绘制柱状图，看看每个年龄段的存活情况。
由图可知，灾难中，老人和小孩存活率较高，中间人数最多（年龄分布可以看出），存活率却比较低。
综上所诉，按年龄划分，老人和小孩的存活率较高；按性别划分，女性的存活率较高。
3、结合 SibSp、Parch 字段，研究亲人多少与存活的关系
分析思路：
- 有无兄弟姐妹/父母子女和存活与否的关系
- 亲戚多少与存活与否的关系
由上图所知，有兄弟姐妹、父母子女的生存率更大
综上所示，独自一人的生存率较低，随着亲戚数量增加，生存率逐渐增加，超过 4 名后，生存率下降。
4、结合船票的费用情况，研究票价和存活与否的关系
分析思路：
- 票价分布和存活与否的关系
- 比较研究生还者和未生还者的票价情况
由上图所示，总体来说，票务价格比较平均，20英镑 一张，一等舱票价较高，平均 60 英镑，二等舱和三等舱票价都是在 25 英镑以下；人数集中在二三等舱，一等舱人数较少。
总体来看，生还者票价高于未生还者票价，一等舱存活率较高一点，二等舱和三等舱基数大，存活率不高。
接下来我们基于上述的特征，利用 KNN 分类模型，对结果进行预测。
5、利用 KNN 分类模型，对结果进行预测
分析思路：
- 模型训练字段：'Surivied','Pclass','Sex','Age','Fare','family_Size'
- 模型预测 test.csv 样本数据的生还率
提示：
- 训练数据集中，性别改为数字表示 → 1 代表男，0 代表女性
#去掉缺失值
knn_train = train_data[['Survived','Pclass','Sex','Age','Fare','family_size']].dropna()
knn_train['Sex'][knn_train['Sex'] == 'male'] = 1
knn_train['Sex'][knn_train['Sex'] == 'female'] = 0
test_data['family_size'] = test_data['Parch'] + test_data['SibSp'] + 1
knn_test = test_data[['Pclass','Sex','Age','Fare','family_size']].dropna()
knn_test['Sex'][knn_test['Sex'] == 'male'] = 1
knn_test['Sex'][knn_test['Sex'] == 'female'] = 0
from sklearn import neighbors
knn = neighbors.KNeighborsClassifier()
knn.fit(knn_train[['Pclass','Sex','Age','Fare','family_size']],knn_train['Survived'])
knn_test['predict'] = knn.predict(knn_test)
pre_survived = knn_test[knn_test['predict'] == 1].reset_index()
del pre_survived['index']