泰坦尼克号数据的分析研究

作为大家都非常熟悉的沉船事故–泰坦尼克号事件，该事件数据集同样也广受大家所关注，许多人拿数据集来分析研究，找出影响乘客幸存率的因素有哪些。

本文的目的是希望自己通过分析研究，去找出那些影响幸存率的因素，同时在过程中学习，强化自己。

一、前言

数据来源自kaggle数据集，该数据一共有12个字段，各项字段意义如下表：

对各字段进行意义性理解分析，找出影响幸存率的因素如下图

二、数据处理

打开数据源，对数据进行处理，发现cabin、age、Fare、embarked有缺失值。

1、cabin字段

该字段数据属于文本型字段，具体意义是指客舱号。

数据筛选，1309条记录中只有295条数据，缺失过于严重，故数据不再进行分析研究。

2、age字段

该字段是数字型字段，其数据意义是分析年龄对存活率的影响。

在1309条数据中只有1046条数据，缺失 263条数据。为了保持数据的真实性，所以不在对数据进行填充。
对数据进行整理，age应该为整数，故小于1的记为1岁，其他数据采用4舍5入，空值不改变。

3、Fare字段

该字段属于数字型数据，其意义是研究船票价格对存活的影响。数据筛选如下

该数据只有一个空值，我们可以按照该人员的详细数据去得出此人的Fare值。依据pclas=3，embarked=s,