通俗易懂的泰坦尼克号生存分析（titanic）

作者：离散梦

欢迎大家给出宝贵的建议！

 

泰坦尼克号数据分析

 

一、前言

 

       主要目的是整理自己的思路。本文主要是关于泰坦尼克号生存率python分析，因为很多博客做这个项目都比较深入，感觉都比较高大上，我们初学者并不一定都能懂，甚至没兴趣看下去。这文章，也是从视频上学了之后，发现很不错，通俗易懂，非常推荐入门。我们可以共同学习。非常希望有人愿意指出我的不足。

 

二、正题

 

接下来开始进入本文的正题：

 

首先，我们要把数据集download下来吧，要准备好！

大家可以从kaggle平台里面下载，建议去了解一下，上面有很多经典的数据集。当然，其实百度也能搜索到。

软件平台吧，各取所好吧。我这里用的jupyter notebook，当然spyder，pycharm，普通的IDE都可以。

我选择用这个软件，是因为我可以一个部分一个部分去分析解剖，并且找错误。有兴趣的同志可以去了解一下，我比较习惯这个软件。实际效果是一样的。

数据集下载下来之后呢，是个csv格式的表格，打开jupyter notebook，打开数据集，观察一下数据有哪些属性，并且选择出对我们分析生存率有帮助的信息。

相信大家看过泰坦尼克号的电影。没有看过的同志可以去百度了解一下。会对本项目有更深的理解。

 

打开下载的文件，由下面这幅图可以看见有：

 

 

其中：

PassengerId ，乘客的id号，这个我觉得对生存率没影响。因为一个人的id号不会影响我是否生存下来吧。这列可以忽略

Survived ,生存的标号，上面图的数值1表示这个人很幸运，生存了下来。数值0，则表示遗憾。

Pclass ,船舱等级，就是我们坐船有等级之分，像高铁，飞机都有。这个属性会对生产率有影响。因为一般有钱人，权贵才会住头等舱的。保留。

Name ,名字，这个不影响生存率。我觉得可以不用这列数据。可以忽略

Sex , 性别，这个因为全球都说lady first，女士优先，所有这列保留。

Age , 年龄，因为优先保护老幼，这个保留。

Si