东营免费网站制作,做网站的工作好做吗,建设网站的准备,电子商务网站建设与维护 论文泰坦尼克号幸存者数据分析 1、泰坦尼克号数据集2、数据集加载与概览3、泰坦尼克号幸存者数据分析4、哪些人可能成为幸存者#xff1f; 1、泰坦尼克号数据集 泰坦尼克号的沉没是世界上最严重的海难事故之一#xff0c;造成了大量的人员伤亡。这是一艘号称当时世界上最大的邮轮… 泰坦尼克号幸存者数据分析 1、泰坦尼克号数据集2、数据集加载与概览3、泰坦尼克号幸存者数据分析4、哪些人可能成为幸存者 1、泰坦尼克号数据集 泰坦尼克号的沉没是世界上最严重的海难事故之一造成了大量的人员伤亡。这是一艘号称当时世界上最大的邮轮船上的人年龄各异背景不同有贵族豪门也有平民旅人邮轮撞击冰山后船上的人马上采取措施安排救生艇转移人员从本次海难中存活下来的也就是幸存者
泰坦尼克号数据集为1912年泰坦尼克号沉船事件中相关人员的个人信息以及存活状况。包含了2224名乘客和船员的姓名、性别、年龄、船票等级、船票价格、船舱号、登船港口、生存情况等信息。这些历史数据已经被分为训练集和测试集我们可以根据训练集训练出合适的模型并预测测试集中的存活状况
数据集来源https://www.kaggle.com/c/titanic
数据集下载传送门
数据集各文件介绍
gender_submission.csv乘客编号与是否幸存记录train.csv训练集test.csv测试集
数据集训练集和测试集的属性信息11特征1标签如下
特征/标签说明PassengerId乘客编号Survived是否幸存1是0否Pclass船舱等级1一等、2二等、3三等Name乘客姓名Sex乘客性别Age乘客年龄SibSp与乘客同行的兄弟姐妹及配偶人数Parch与乘客同行的父母及子女人数Ticket船票编号Fare船票价格Cabin乘客座位号Embarked乘客登船码头CCherbourg、QQueenstown、SSouthampton
2、数据集加载与概览 1加载数据集
import pandas as pd
import numpy as nppath rC:\Users\cc\Desktop\titanic_dataset\train.csv
# 加载数据集
data pd.read_csv(path, encodingutf-8)
# 数据集前5行
print(data.head().to_string())
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S
1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Thayer) female 38.0 1 0 PC 17599 71.2833 C85 C
2 3 1 3 Heikkinen, Miss. Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S
3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S
4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S2数据集大小
# 数据集的大小
print(data.shape) # (891, 12)泰坦尼克号数据集训练集有891个样本12个特征和标签
3特征和标签
# 数据集的特征和标签
data.info()结果如图所示 泰坦尼克号数据集的特征和标签及对应数据类型如上图所示
4数据缺失情况
# 数据集的缺失情况
print(data.isnull().sum())结果如图所示 从结果可见泰坦尼克号数据集中的乘客年龄和乘客座位号有大量缺失
3、泰坦尼克号幸存者数据分析 问题提出 哪些人可能成为幸存者
在回答这个问题之前我们先来看一下泰坦尼克号全员整体的获救比例
1获救比例
# 获救人数占比
survive_ratio data[Survived].value_counts(normalizeTrue).reset_index()
print(survive_ratio)
# 幸存者占比38.4%遇难者占比61.6%结果如图所示 结论1泰坦尼克号幸存者仅占全员人数的38.4%
2性别特征对获救率的影响
a、 男性乘客与女性乘客占比
# 男性乘客与女性乘客占比
mf_count data[Sex].value_counts().reset_index()
print(mf_count)
# 男性乘客577人女性乘客314人结果如图所示 b、 男性乘客与女性乘客的获救率
# 男性乘客与女性乘客的获救率
mf_ratio data[Survived].groupby(data[Sex]).value_counts().reset_index()
# 合并
mf_data pd.merge(mf_ratio, mf_count, howleft, onSex)
mf_data[rescue_ratio] mf_data[count_x] / mf_data[count_y]
print(mf_data)
# 男性乘客获救比例18.9%女性乘客获救比例74.2%结果如图所示 结论2女性乘客总人数比男性少但是获救人数却比男性乘客要多。性别特征对获救概率影响较大
3船舱等级特征对获救率的影响
a、 各船舱等级乘客占比
# 各船舱等级乘客占比
pc_count data[Pclass].value_counts().reset_index()
print(pc_count)
# 一等216人二等184人三等491人结果如图所示 b、 各船舱等级乘客的获救率
# 各船舱等级乘客的获救率
pc_ratio data[Survived].groupby(data[Pclass]).value_counts().reset_index()
# 合并
pc_data pd.merge(pc_ratio, pc_count, howleft, onPclass)
pc_data[rescue_ratio] pc_data[count_x] / pc_data[count_y]
print(pc_data)
# 一等获救比例62.9%二等获救比例47.3%三等获救比例24.2%结果如图所示 结论3一等船舱获救比例最高三等船舱获救比例最低。船舱等级对于乘客的获救率存在较大的影响
4各船舱等级中的性别特征对获救率的影响
a、 不同船舱等级的男女乘客人数
# 不同船舱等级的男女乘客人数
ps_count data[Sex].groupby(data[Pclass]).value_counts().reset_index()
print(ps_count)
# 一等男122人女94人二等男108人女76人三等男347人女144人结果如图所示 b、 不同等级船舱的男性乘客与女性乘客的获救率
# 不同等级船舱的男性乘客与女性乘客的获救率
ps_ratio data[Survived].groupby([data[Pclass], data[Sex]]).value_counts().reset_index()
# 合并
ps_data pd.merge(ps_ratio, ps_count, howleft, on[Pclass, Sex])
ps_data[rescue_ratio] ps_data[count_x] / ps_data[count_y]
print(ps_data)
# 一等获救比例男39.9%女96.8%二等获救比例男 15.7%女92.1%三等获救比例男13.5%女50.0%结果如图所示 结论4各等级船舱中男性乘客多于女性乘客但是女性乘客的获救比例都高于男性乘客。不同等级船舱的女性乘客的获救率高于男性这可能是女士优先的原因
4、哪些人可能成为幸存者 根据上述分析结果我们可以得到以下两个关于乘客获救率的结论
在泰坦尼克号上女性的获救率高于男性高等级船舱的乘客获救率高于低等级船舱
另外我们也可以从年龄等其他角度进行分析有兴趣的小伙伴可以自行尝试 参考文章https://zhuanlan.zhihu.com/p/129247887
