泰坦尼克号数据集分析实验_1、将titanic数据集(titanic.csv)的各项数据以及数据之间的联系等信息以可视化图

1. 泰坦尼克号数据集分析实验

（1） 自由选择可视化方法，可视化数据集中的Pclass属性，Sex属性，Age属性，SibSp属性，Fare属性和Embarked属性；

（2）回答以下问题 , 可考虑使用中心趋势度量和离散度度量进行分析：

1）年龄与生存情况之间的关系是什么？

2）性别与生存情况之间的关系是什么？

3）社会地位与生存情况之间的关系是什么？

4）为什么有些票的价格很高？票价的高低与哪些属性有关？

4.1问题一

(1)导入titanic数据集

图1 导入titanic代码

图2 titanic数据集前五行数据

（2）使用sns.catplot()函数绘制Pclass(序数)属性，Sex(二元)属性，Embarked(乘客上船地点，标称)属性的柱状图。统计每一个属性中不同定性的值的数量。

图3 Pclass属性可视化结果                          图4 Sex属性可视化结果

图5 Embarked属性可视化结果

(3) 使用sns.distplot()函数绘制Age(比率标度)属性，SibSp(比率标度)属性，Fare(比率标度)属性的分布绘图。

图6绘制Age属性分布绘图代码

图7 Age属性可视化结果                            图8 SibSp属性可视化结果

(4) 使用sns.pairplot()函数绘制六个属性之间相互关系的散点图，以及自身的直方图

图10 六个属性间的成对绘图

4.2 问题二

4.2.1年龄与生存情况之间的关系是什么？

    使用中心趋势度量和离散度度量进行分析，首先求得所有乘客年龄的均值，中位数，最大值，最小值，方差，标准差。再抽出幸存者的数据，进行相同的度量操作，进行对比。

图11 幸存者年龄分析

    我们可以发现，幸存者平均年龄较总乘客平均年龄相对较小，其他度量值大致相同，由此可见，年龄属性与是否幸存相关性较小。

4.2.2性别与生存情况之间的关系是什么？

    首先统计所用乘客中男女比例，可以发现男性乘客数量远大于女性乘客。接着，统计男女中获救的比例，发现获救幸存者中女性比例却大于男性。两个数据的对比可以得出，女性幸存概率远大于男性的结论。

4.2.3社会地位与生存情况之间的关系是什么？

社会地位可以由舱位（Pclass）属性直观体现，一般认为社会地位高的人士收入较高，可以支付起较高等级舱位的票价。同样的，统计总乘客中Pclass属性的特征分布，已经幸存者在不同Pclass值中所占比例，可以明显发现，一等舱的乘客幸存概率最大，即社会地位越高，生存情况越好。

 

 

4.2.4为什么有些票的价格很高？票价的高低与哪些属性有关？

   对Titanic数据集所有属性进行相关性分析，并绘制热力图，观察Fare属性与各属性之间的相关性大小。可以直观的看出其与Pclass属性相关性最高，实际情况下，的确是舱位等级越高，票价越贵，安全性越好，存活率越高。我们还可以发现票价与Parch属性（乘客在船上的父母或子女的数量）相关性也很大，但我未能想出合理的解释

图 16 Titanic数据集属性相关性热力图

                   

五、实验结论

1.女性存活率远高于男性，可以归结于社会原因，即人们对老弱妇孺的保护弱者意识和人道主义。

2.社会地位越高，幸存率越高，是因为社会地位高的人士往往选择购买高等级船舱。高等级船舱则代表着安全设施完备，逃生几率较大。

3.我对Parch属性和SibSp属性对幸存与否的影响不太能够理解，于是进行了网上搜索，得出了以下结论：

Parch（父母/子女数量）：

这个属性表示乘客携带的父母或子女的数量。一个乘客的父母和子女数量可能会影响其生存机会，因为有可能在紧急情况下，乘客会优先考虑保护家人。例如，一名乘客有孩子可能更有可能获得救生艇上的座位。

SibSp（兄弟姐妹/配偶数量）：

这个属性表示乘客携带的兄弟姐妹或配偶的数量。与Parch类似，兄弟姐妹和配偶的数量也可能影响生存机会。家庭成员之间可能会互相帮助，或者一起寻找逃生的机会。

但还是没有解释Parch与票价的关联（留一个疑问）