泰坦尼克号数据的分析研究

作为大家都非常熟悉的沉船事故–泰坦尼克号事件，该事件数据集同样也广受大家所关注，许多人拿数据集来分析研究，找出影响乘客幸存率的因素有哪些。

本文的目的是希望自己通过分析研究，去找出那些影响幸存率的因素，同时在过程中学习，强化自己。

一、前言

数据来源自kaggle数据集，该数据一共有12个字段，各项字段意义如下表：

对各字段进行意义性理解分析，找出影响幸存率的因素如下图

二、数据处理

打开数据源，对数据进行处理，发现cabin、age、Fare、embarked有缺失值。

1、cabin字段

该字段数据属于文本型字段，具体意义是指客舱号。

数据筛选，1309条记录中只有295条数据，缺失过于严重，故数据不再进行分析研究。

2、age字段

该字段是数字型字段，其数据意义是分析年龄对存活率的影响。

在1309条数据中只有1046条数据，缺失 263条数据。为了保持数据的真实性，所以不在对数据进行填充。
对数据进行整理，age应该为整数，故小于1的记为1岁，其他数据采用4舍5入，空值不改变。

3、Fare字段

该字段属于数字型数据，其意义是研究船票价格对存活的影响。数据筛选如下

该数据只有一个空值，我们可以按照该人员的详细数据去得出此人的Fare值。依据pclas=3，embarked=s,age在60岁周边，得出Fare的平均值为7，填入该数据。

4、Embarked字段

该字段属于文本型字段，其研究意义是分析登船港口对存活率的影响

本字段数据筛选后有2个空值。按照之前的逻辑，对其填入文本S

三、数据分析

1、舱位维度

建立舱位和存活情况的数据透视表

数据源中总体人数为1309人，存活494，占比38%，死亡率高达62%，从数据层面来说，这是一起非常严重的沉船事故。

做关于各舱位存活率的柱状图

在Pclass字段中，1代表一等，2代表二等，3代表三等。
一等舱的幸存率最高，为58%；三等舱最低，为27%，该数据还不到一等舱位幸存率的一半；所以，科能还是需要有钱……

2、性别

性别

建立性别和存活状况的数据透视表。

在总乘客人员中，女性占比64%，男性占比36%。

生还人员中，女性占比78%，男性占比22%，还不到女性占比的三分之一。

女性生还人数占女性总人数的83%，男性生还人数占男性总人数的13%，该数据为观点“事故发生时，优先解救女性”提供了依据。

性别&客舱

建立客舱、性别、存活状况的数据透视表。

对各舱位的男女性幸存、死亡率做百分比堆积柱形图。无论在哪个舱位，女性幸存人数比例都远远大于男性生还比例。
拆分到舱位上，一等舱女性幸存比例最高，为98%，三等舱最低，为67%；

男女乘客中，男性幸存的比例仅为13%，远低于女性幸存比例；拆分到舱位上，一等舱男性幸存比例最高，三等舱最低。进而推论可能在男性解救过程中，或许存在因地位、财富等原因。

3、年龄

因为年龄缺失值较多，为了数据的真实性，没有对数据进行整理。

对数据进行描述性检验。 

年龄的平均值为30岁，最大值为80，最小值为1岁，众数为24岁，中位数为28岁。
对年龄进行分段划分， 我们规定0-15岁为青少年，15-40为青年，40-60为中年，60以上为老年。

本数据源age字段数据不缺失的人员中，青年占主要人群，占比66%。老年占比最少，为4%

建立年龄段划分、性别和存活状况的数据透视表：

所有年龄段划分中，青少年幸存人数占青少年总人数的比例最高，为52%；青年、中年、老年依次减少，最小值为35%；
另外，有一个有趣的数字，对于老年女性乘客有11人，这11人全部获救。（这就是绅士精神？）

幸存人员中，青年占比最大，为65%；老年占比最小，为3%；

4、船票价格

理论来说，舱位登记越高，其价格越贵，验证此结论。对舱位登记和价格做相关性分析。

舱位和船票价格成负相关，该情况表示舱位越高，价格越贵，符合现实依据。

  建立价格和存活状况的数据透视表，因价格区间差别过大，所以对价格进行区间划分，我们以50为组距。

数据显示，虽然在0-50的价格区间内幸存人数最多，但该区间的幸存比例最低，数值仅为32%，其数值仅为其他价位存活率的一半左右。
另外，在500-550的价格区间的人们有4人，该4人全部获救。（金钱的力量？）

5、亲属

Sibsp字段

对字段sibsp建立数据透视表，该字段是表示乘客的同系兄弟姐妹或配偶数。

该图表说明，在乘客中，有1个同系的兄弟姐妹或配偶的获救比例最高，数值为52%

Parch字段

对字段parch建立数据透视表，该字段是表示船上的父母或子女数。

该图表显示说明，父母或者子女相加人数为3的人员获救比例最大，达到了63%

数据中parch为9的有2人，一男、一女，女士幸存了下来，观察此两条数据，其共同点较多，推测可能为夫妻，也许这就是爱情吧~

6、登船港口

对Embarked字段建立数据透视表，

C所代表港口人员获救比例最高，达到了50%；在获救人数中，S所代表港口获救比例最大，达到了62%；

结论

1、幸存率与舱位有关，舱位越高，存活率越高；
2、幸存率与性别有关，女性幸存率（83%）远远高于男性（13%），尽管船上乘客以男性为主；另外，不同舱位的女性之间，舱位越高，生还比例越大，男性同样如此；
3、尽管船上多以青年为主，但青少年的实际存活比例确为最高（52%）；再有对于老年女性乘客，存活比例为100%；
4、不同的船票价格确实会影响存活率，船票的价格越低（0-50）其存活率越低（32%），价格越高，存活率越高（100%）
5、在乘客中，有1个兄弟姐妹或配偶的幸存率最高（52%），再有父母或子女相加人数为3的乘客幸存率最大（63%）；
6、对于登船港口，S代表的港口即英国南安普顿登船人数最多；但在C港即法国卢森堡登船的人员幸存比例最高（50%）