Excel：TITANIC号乘客幸存特征分析

一、案例背景

1912年4月10日，泰坦尼克号从英国南安普敦出发，途经法国卢森堡以及爱尔兰昆士敦，驶向美国纽约。在4月14日深夜到4月15日凌晨，泰坦尼克号与冰山相撞后沉没。由于船上没有足够的救生艇供所有人使用，导致2224名船员及乘客中，1502人丧生。

二、案例数据

数据来源

Kaggle：Titanic

理解数据

包含乘客存活状况的数据一共有891条，部分数据如下图所示：
数据字典：

变量	定义	说明
PassengerId	乘客编号
Survived	存活状况	0表示死亡，1表示幸存
Pclass	客舱等级	船票上的客舱等级，1表示一等舱，2表示二等舱，3表示三等舱
Name	姓名
Sex	性别	male表示男性，female表示女性
Age	年龄
Sibsp	船上的兄弟姐妹数或配偶数	指同代直系亲属数，忽略未婚妻或未婚夫
Parch	船上的父母数或子女数	指不同代直系亲属数，如果小孩是和除了父母之外的人一起出行的，则Parch=0
Ticket	船票编号
Fare	船票价格
Cabin	客舱号
Embarked	登船港口	出发点是S表示的英国南安普顿，途经C表示的法国卢森堡以及Q代表的爱尔兰昆士敦

三、数据清洗

重复值处理

使用Excel的数据工具“删除重复项”，结果显示数据集无重复项。

缺失值处理

数据集中缺失值是以空白单元格进行显示的。

首先，按列定位缺失值。步骤如下图所示，最终有缺失值的列是Age、Cabin以及Embarked。

其次，计算缺失率。对包含缺失值的Age、Cabin以及Embarked列分别使用COUNTBLANK函数统计缺失值，然后除以样本量891，结果如下图所示。

最后，处理缺失值。
（1）年龄缺失值的处理。年龄的描述统计如下图最右边的表