很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
這是一個很經(jīng)典的案例，很多博主都寫過，對，就是它：泰坦尼克號生存率的分析，它是kaggle上的一道題，通過船上乘客的信息分析和建模，預(yù)測哪些乘客得以生還。
我們就非常粗暴地拿這個數(shù)據(jù)集做一個簡單的分析好了。
使用工具：Excel
（對，就是這么簡單粗暴）
數(shù)據(jù)源的獲取可后臺回復(fù)：泰坦尼克
1912年泰坦尼克號撞上冰山沉沒，船上2224名乘客和機組人員中有1502人遇難，幸存下來的人是出于運氣還是存在一定的規(guī)律？這是我們比較關(guān)心的，所以就要提出問題：
那些人士生還的可能性大？
其次了解數(shù)據(jù)，數(shù)據(jù)集總共有以下的字段，其中name、sex、cabin、embarked、ticket是字符串類型，pclass和survived雖然是數(shù)值型，但其含義是標(biāo)簽，我們分別從艙位、乘客、船票和地域的維度出發(fā)來分析。
通過查看，發(fā)現(xiàn)Age、fare、embarked、cabin字段都是有缺失的，下面我們一個一個來看。
篩選age一列為空的有263條數(shù)據(jù)，缺失率為20%，可以全部填充為年齡的均值或眾數(shù)，也可以進(jìn)一步地分析，發(fā)現(xiàn)年齡缺失的數(shù)據(jù)里三等艙的最多，占總?cè)笔е档?9%，而三等艙里的未生還的男性占比最多，因此也可以用三等艙年齡的平均值來填充。
這里為了保持?jǐn)?shù)據(jù)的真實性，就不做填充處理了。
篩選發(fā)現(xiàn)fare（票價）只缺失了一個值，我們把它找出來，發(fā)現(xiàn)可以用同類型的均值填充掉。
embarked登船港口字段也有2個缺失值，篩選出來看下。
對于cabin（客艙）字段缺失值達(dá)到了77%，缺失太多了，就不做填充處理了，直接保留或刪除，這里先保留著吧。
pclass
對艙位和生還情況分析，插入數(shù)據(jù)透視表
對每個艙位的生存死亡情況做百分比堆積柱形圖，可以看到，頭等艙生還的人數(shù)占比最多，達(dá)到61.92%，三等艙的生還人數(shù)占比最少，僅25.33%，所以還是那句老話，錢雖然不是萬能的，但沒錢@#%&^…
carbin
對carbin（客艙號）做透視，可以看到有295個唯一值，基本上是一個客艙只住一個人。
另外發(fā)現(xiàn)三等艙有客艙的都是E/F/G開頭的客艙號，而頭等艙A/B/C就較多，猜測客艙號是隨著艙位的降低按字母升序排列的。
name
name姓名列沒有什么有價值的信息，不過可以進(jìn)一步思考的是，姓名里其實是對應(yīng)了頭銜的，比如Mr是已婚男士，Mrs是已婚女士等，但是這里就先刪除了。
sex
對性別和生還情況進(jìn)行分析
性別&艙位
可以順便看一下艙位和性別的關(guān)系，因為男性人口基數(shù)大，所以不管是哪個艙位，男性人數(shù)都是多于女性的，同理，各個艙位都是女性獲救的人數(shù)最多。
age
對年齡和生還情況進(jìn)行分析，這里因為年齡有缺失，僅對有數(shù)值的進(jìn)行分析。
首先對年齡做一個簡單的描述統(tǒng)計，用【數(shù)據(jù)分析】里的【描述統(tǒng)計】功能，可以看到年齡最大值為80歲，最小值為0.17歲，平均值為29.88歲，年齡中位數(shù)為28歲，眾數(shù)為24歲。
了解了年齡大致的分布后，就要來看特定人群的生還情況了，我們將年齡分為：
少年（0~15歲）
青年（15~40歲）
中年（41~65歲）
老年（66歲以上）
先做一個分組的表，用vlookup的模糊匹配實現(xiàn)分組
=VLOOKUP(E2,Sheet2!$B$18:$C$21,2,1)
Sheet2!18:21這個區(qū)域就是上圖預(yù)先設(shè)置好的分組區(qū)域。
sibsp
對sibsp字段（兄弟姐妹妹/配偶的個數(shù)）分析，透視后可以看到標(biāo)簽為0，也就是說沒有親戚的人是船上乘客的大多數(shù)。
parch
對parch字段分析（父母/小孩個數(shù)），同樣可以看到，沒有父母/小孩的人數(shù)是船上總?cè)藬?shù)的76%，同樣，這部分人群獲救的數(shù)量也最多。
fare
對Fare（票價）字段分析，首先比較關(guān)注的是票價和艙位是否存在相關(guān)性，正常的邏輯是艙位越高，票價越高，這里算出pclass和fare的相關(guān)系數(shù)是-0.56，還是比較相關(guān)。
性別&票價
女性的票價均價要高于男性
性別&艙位&票價
頭等艙的均價遠(yuǎn)高于其他兩個艙，每個艙女性的均價都要高于男性，其中票價的最大值512出自頭等艙的女性。另外一個比較有意思的現(xiàn)象是，票價為0的居然都是男性。
都寫到這兒了，可以再引申出一個問題，票價到底和什么有關(guān)？性別？登陸港口？艙位？客艙？有興趣的小伙伴可以自己再深入探討一下，這里我們就不探索下去了。
接下來，50一組看一下fare的分布情況，可以看到票價為0~50的占了船上乘客的82%。
從各票價分組的角度來看，做百分比堆積柱形圖，可以看到，500-550票價的人群存活比例為100%，而0-50票價的存活比例只有32%。
ticket
ticket字段是船票信息/代號，沒有特別大的分析意義，這里也就直接刪除了。
embarked
對embarked（登船港口）字段分析，透視后發(fā)現(xiàn)S港口登船的人數(shù)最多，從堆積柱形圖中可以看到，C扣登船的生成比例最高。
生還率同什么相關(guān)？這個是我們最關(guān)心的，這個問題其實就是survived字段同其他字段的相關(guān)系數(shù)。
sex列是字符型數(shù)據(jù)，要映射成數(shù)值，我們添加一列命名為性別的輔助列，male為1，female為0.
=IF(N2="S",1,0)
如果embarked這個字段是S，那么港口-S列為1，港口-C、港口-Q為0，以此類推。
哪些人生還的可能性大？
雖然三等艙的人數(shù)最多（54%），但頭等艙生還的比例最高（62%）
雖然男性的人數(shù)（64%）多于女性，但女性的生還率（72%）遠(yuǎn)高于男性（19%）
頭等艙女性的生還比例（97%）遠(yuǎn)高于三等艙女性的生還比例（49%）
15-40歲的青年人數(shù)最多（53%），生還率最高的是0~15歲的少年（56%）
親戚的個數(shù)為0的人數(shù)最多（68%），為1的生還率最高（51%）
父母/孩子個數(shù)為0的人數(shù)最多（76%），為3的生還率最高（63%）
票價在0-50范圍內(nèi)的人數(shù)最多（82%），但500~550范圍內(nèi)票價的人生還率為100%
S港口登船的人數(shù)最多（70%），但是C港口生還率最高（56%）
猜你喜歡：
為什么要學(xué)統(tǒng)計學(xué)：**的統(tǒng)計學(xué)
@ 號主：可樂
@ 公眾號/知乎專欄/頭條/簡書：可樂的數(shù)據(jù)分析之路
@ 個人微信：data_cola
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進(jìn)行負(fù)面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)