热线电话：13121318867

登录
首页精彩阅读数据分析入门案例：泰坦尼克号幸存率研究
数据分析入门案例：泰坦尼克号幸存率研究
2017-03-22
收藏

[泰坦尼克号问题之背景]
就是那个大家都熟悉的『Jack and Rose』的故事，豪华游艇倒了，大家都惊恐逃生，可是救生艇的数量有限，无法人人都有，副船长发话了『lady and kid first！』，所以是否获救其实并非随机，而是基于一些背景有rank先后的。


【代码区域】

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline#为能够jupyter在线使用matplotlib  
df=pd.read_csv('C:\\Users\\dell\\Desktop\\titanic_data.csv')

df.head(5)#先显示出前5行，观察有哪些数据



【数据概况】

PassengerId：乘客序号；
Survived：最终是否存活（1表示存活，0表示未存活）；
Pclass：舱位，1是头等舱，3是最低等；
Name：乘客姓名；
Sex：性别；
Age：年龄；
SibSp：一同上船的兄弟姐妹或配偶；
Parch：一同上船的父母或子女；
Ticket：船票信息；
Fare：乘客票价，决定了Pclass的等级；
Cabin：客舱编号，不同的编号对应不同的位置；
Embarked：上船地点，主要是S（南安普顿）、C（瑟堡）、Q（皇后镇）。

【欲想探讨的问题】

存活率与哪些因素有关？ 猜想影响因素有：Pclass、Sex、Age、SibSp、Parch、Ticket、Cabin、Embarked。
01|泰坦尼克号整体情况：

通过下面代码可以看出泰坦尼克号整体的幸存率约为39%。

survived_rate=float(df['Survived'].sum())/df['Survived'].count()#加float是为了让小数结果显示出来
survived_rate

out:0.38383838

02|幸存率与Pclass的关系：

可以看出两者有强烈的相关关系，Pclass等级越高（1最高），幸存率越高。

Pclass_survived_rate=(df.groupby(['Pclass']).sum()/df.groupby(['Pclass']).count())['Survived']
Pclass_survived_rate.plot(kind='bar')#kind='bar'表示垂直柱状图、kind=‘barh’表示水平柱状图

03|幸存率与Sex的关系:

female的幸存率是male的3倍还要多。

Sex_survived_rate=(df.groupby(['Sex']).sum()/df.groupby(['Sex']).count())['Survived']
Sex_survived_rate.plot(kind='bar')

04|幸存率与Age的关系:

通过折线图看出幸存率与Age没有明确的关系。0-10岁的幸存率要明显高于其他年龄段。

Sex_survived_rate=(df.groupby(['Age']).sum()/df.groupby(['Age']).count())['Survived']
Sex_survived_rate.plot()

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline#为能够jupyter在线使用matplotlib  
df=pd.read_csv('C:\\Users\\dell\\Desktop\\titanic_data.csv')

df.head(5)#先显示出前5行，观察有哪些数据



05|幸存率与SibSp&Parch的关系:
通过柱状图可以看出，当同行1-2个亲人朋友时的幸存率更高。(这里将SibSp与Parch统一处理)
SibSp_Parch_survived_rate=((df.groupby(['SibSp']).sum()+df.groupby(['Parch']).sum())\
/(df.groupby(['SibSp']).count()+df.groupby(['Parch']).count()))['Survived']

SibSp_Parch_survived_rate.plot(kind='bar')


06|幸存率与Cabin的关系:

根据折线图看出没有明确的相关关系，再加上缺失数据过多687/891，所以幸存率对Cabin可以暂且不计入考虑。

max_survived_rate=(df.groupby(['Cabin']).sum()/df.groupby(['Cabin']).count())['Survived']
max_survived_rate.plot()
print df['Cabin'].count()#除缺失值以外的数据个数
df['Cabin'].fillna(0).count()#所有数据个数

07|幸存率与Embarked的关系:


通过柱形图可以看出C、Q、S三地的幸存率依次下降。

max_survived_rate=(df.groupby(['Embarked']).sum()/df.groupby(['Embarked']).count())['Survived']
max_survived_rate.plot(kind='bar')

综上所述：

1、泰坦尼克号整体的幸存率约为39%。

2、存活率与Pclass的关系:Pclass等级越高（1最高），存活率越高。多挣钱，坐头等舱可以提高幸存率。

3、存活率与Sex的关系:female的存活率是male的3倍还要多。女性的天生优势。

4、从折线图上看，幸存率和年龄无明确的相关关系。之后又把年龄按10岁为单位进行分组，发现0-10岁的幸存率要明显高于其他年龄段。

5、存活率与SibSp&Parch的关系:当同行1-2个亲人朋友时的存活率更高。出去玩耍结1-2个伴可以提高幸存率。

6、存活率与Cabin的关系:没有明确的相关关系，再加上缺失数据过多687/891，所以存活率对Cabin可以暂且不计入考虑。

7、存活率与Embarked的关系:C、Q、S三地的存活率依次下降，不过应该和登陆地本身是没啥关系的，登陆地可能最终体现在性别、舱位等级等方面。


CDA 志愿者张俊红
本文为 CDA 志愿者张俊红原创作品，转载需授权



CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

matplotlib 柱状图 折线图 numpy pandas

数据分析咨询请扫描二维码

上一篇图论在大数据分析中的作用！
下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询