titanic乘客简单的数据分析
作者：互联网
数据来源：
kaggle的Titanic 生存模型：titanic_train.csv。
引入的库：
import numpy as np
import pandas as pd
import sys
reload(sys)
sys.setdefaultencoding('gbk')
import matplotlib.pyplot as plt
import seaborn as sns
[/code]
## 数据分析：
#### 读取数据：
```code
train_data=pd.read_csv("titanic_train.csv")
train_data['Survived'].value_counts().plot.pie(autopct = '%1.2f%%') #绘制存活的比例
plt.show()
缺失值处理：
- 用众数填补Embarked（上船的地点）：
[code] train_data.Embarked[train_data.Embarked.isnull()] =
train_data.Embarked.dropna().mode().values
2. 使用随机森林预测Age的缺值：
[code] from sklearn.ensemble import RandomForestRegressor
#choose training data to predict age
age_df = train_data[['Age','Survived','Fare', 'Parch', 'SibSp', 'Pclass']]
age_df_notnull = age_df.loc[(train_data['Age'].notnull())]
age_df_isnull = age_df.loc[(train_data['Age'].isnull())]
X = age_df_notnull.values[:,1:]
Y = age_df_notnull.values[:,0]
# use RandomForestRegression to train data
RFR = RandomForestRegressor(n_estimators=1000, n_jobs=-1)
RFR.fit(X,Y)
predictAges = RFR.predict(age_df_isnull.values[:,1:])
train_data.loc[train_data['Age'].isnull(), ['Age']]= predictAges
- 也可以删除一些不重要的属性值.
分析数据:
- 性别与存活的关系：
[code] train_data.groupby(['Sex','Survived'])['Survived'].count()
train_data[['Sex','Survived']].groupby(['Sex']).mean().plot.bar()
。
男性存活率是18.9%，女性的存活率是74.2%
2. 船舱等级和生存的关系：
[code] train_data.groupby(['Pclass','Survived'])['Pclass'].count()
train_data[['Pclass','Survived']].groupby(['Pclass']).mean().plot.bar()
不同等级船舱的男女生存率：
[code] train_data.groupby(['Pclass','Survived'])['Pclass'].count()
train_data[['Pclass','Survived']].groupby(['Pclass']).mean().plot.bar()
train_data[['Sex','Pclass','Survived']].groupby(['Pclass','Sex']).mean().plot.bar()
[/code]
[code] 3. 年龄和生存的关系：
[code] fig, ax = plt.subplots(1, 2, figsize = (18, 8))
sns.violinplot("Pclass", "Age", hue="Survived", data=train_data, split=True, ax=ax[0])
ax[0].set_title('Pclass and Age vs Survived')
ax[0].set_yticks(range(0, 110, 10))
sns.violinplot("Sex", "Age", hue="Survived", data=train_data, split=True, ax=ax[1])
ax[1].set_title('Sex and Age vs Survived')
ax[1].set_yticks(range(0, 110, 10))
分析总体的年龄分布：
[code] plt.figure(figsize=(12,5))
plt.subplot(121)
train_data['Age'].hist(bins=70)
plt.xlabel('Age')
plt.ylabel('Num')
plt.subplot(122)
train_data.boxplot(column='Age', showfliers=False)
[/code]
[code] facet=sns.FacetGrid(train_data, hue="Survived",aspect=4)
facet.map(sns.kdeplot,'Age',shade= True)
facet.set(xlim=(0, train_data['Age'].max()))
facet.add_legend()
```code
fig, axis1 = plt.subplots(1,1,figsize=(18,4))
train_data["Age_int"] = train_data["Age"].astype(int)
average_age = train_data[["Age_int", "Survived"]].groupby(['Age_int'],as_index=False).mean()
sns.barplot(x='Age_int', y='Survived', data=average_age)
[/code]
**为什么妇女儿童这类“弱者”反而更能生存？**
根据泰坦尼克号唯一存活副船长 ` 查尔斯·莱特勒 ` ，事后描述，面对沉船灾难时，船长 ` 爱德华·约翰·史密斯（Edward J. Smith） `
在最后的时刻下命令，命令先让妇女和儿童上救生艇，许多乘客显得十分平静，一些人则拒绝与家人分开。
**作为男性，明明是群体中最具有强壮的体魄，又有相对更丰富的生存经验，怎么反而在这场事故中就成了生存机率最低的？**
****
作为男人、作为孩子的父亲、作为妻子的丈夫，肩头上扛的一边感情，另一边是责任，面对灾难是作出了何种抉择，其实不用多说，看一段回忆录：
> 一名叫那瓦特列的法国商人把两个孩子送上了救生艇，委托几名妇女代为照顾，自己却拒绝上船。
>
> 两个儿子得救后，世界各地的报纸纷纷登载两个孩子的照片，直到他们的母亲从照片上认出了他们。不幸的是，孩子们永远失去了父亲。
>
> 新婚燕尔的丽德帕丝同丈夫去美国度蜜月，她死死抱住丈夫不愿独自逃生。
>
> 丈夫在万般无奈中一拳将她打昏。丽德帕丝醒来时，她已在一条在海上漂浮的救生艇上了。
>
> 此后，她终生未再嫁，以此怀念亡夫。
参考链接：
https://blog.csdn.net/Koala_Tree/article/details/78725881
https://www.jianshu.com/p/9a5bce0de13f
标签：数据分析,code,乘客,Age,titanic,Pclass,train,Survived,data 来源： https://www.cnblogs.com/lj-C/p/14974452.html