泰坦尼克号获救问题分析和预测-Python项目实战记录

本文是作者（含笑半步癫）在学习Python网课时，将项目实战“泰坦尼克号获救问题分析”进行总结如下（含部分代码）：

题目描述

数据来源：Kaggle数据集 → 共有1309名乘客数据，其中891是已知存活情况（train.csv），剩下418则是需要进行分析预测的（test.csv）
字段意义：
PassengerId: 乘客编号
Survived :存活情况（存活：1 ; 死亡：0）
Pclass : 客舱等级
Name : 乘客姓名
Sex : 性别
Age : 年龄
SibSp : 同乘的兄弟姐妹/配偶数
Parch : 同乘的父母/小孩数
Ticket : 船票编号
Fare : 船票价格
Cabin :客舱号
Embarked : 登船港口
目的：通过已知获救数据，预测乘客生存情况

研究问题1

1、整体来看，存活比例如何？
1.1 分析思路：查看数据集，Survived为存活情况（存活：1 ; 死亡：0）。通过seaborn绘制一个饼图，Survived=1的数据占比即为存活比例。
1.2 相关代码块：

# 读取数据(训练数据train.csv;预测数据test.csv)
os.chdir('D:\\学习\\数据分析\\网易课堂\\CLASSDATA_ch06数据分析项目实战\\练习09_泰坦尼克号获救问题\\')
train_data=pd.read_csv('train.csv')
test_data=pd.read_csv('test.csv')

# 清洗数据：缺失值处理（存活情况Survived字段）
train_data_survived=train_data[train_data['Survived'].notnull()]

# 用seaborn绘制饼图，分析已知存活数据中的存活比例
sns.set_style('ticks') # 十字叉
plt.axis('equal')       #行宽相同
train_data_survived['Survived'].value_counts().plot.pie(autopct='%1.2f%%')

1.3 数据展现

1.4 分析总结
已知训练数据中，存活比例为38.38%

研究问题2

2、结合性别和年龄数据，分析幸存下来的人是哪些人？
2.1 分析思路：
（1）首先查看年龄数据分布情况；
（2) 然后分析男性和女性存活情况（比如猜测由于文化原因，可能女性存活率更高；
（3) 分析不同年龄段人的存活情况（比如猜测老人和小孩，可能存活率更高一些）
2.2 相关代码块
（1）首先查看年龄数据分布情况（根据可视化图表推荐，进行”分布“分析，选择直方图/箱型图进行展示；也可使用describe（）函数查看数据统计分布情况：