深入分析泰坦尼克号分析生存率

20/04/2023 更新： 下面的代码有些error，未必能运行。

我在上一年又玩了一下这个数据，把代码error纠正在以下的超链接。

Google Drive: 海外用户

https://drive.google.com/file/d/13hkgznGp_tWcSdJyDCLa97Vyio9ee1fN/view?usp=sharing

百度网盘：

链接：  链接: https://pan.baidu.com/s/1PFEaAXQWo_7S-oCWfFeUtQ 提取码: evyf 复制这段内容后打开百度网盘手机App，操作更方便哦

 QR Code: 

Btw： 不要只会copy， 然后应付老师完事， 仔细考虑背后的逻辑。

目录

背景

目标¶

数据字典

1.获取数据

2.探索数据

2.1.基本信息查看（Head, info）

 2.2.数据清洗

 2.3.数据探索及数据解释

3.数据建模

 4.数据分析

5.总结

---

背景

• 泰坦尼克号：英国白星航运公司下辖的一艘奥林匹克级邮轮，于1909年3月31日在爱尔兰贝尔法斯特港的哈兰德与沃尔夫造船厂动工建造，1911年5月31日下水，1912年4月2日完工试航。
• 首航时间：1912年4月10日
• 航线：从英国南安普敦出发，途经法国瑟堡-奥克特维尔以及爱尔兰昆士敦，驶向美国纽约。
• 沉船：1912年4月15日（1912年4月14日23时40分左右撞击冰山）
• 船员+乘客人数：2224
• 遇难人数：1502（67.5%）

目标¶

建立决策树模型，按照乘客的特征预测该乘客是否会在此次事故中死亡。

数据字典

Survived	Definition	Details	Sex	Definition	Details
死亡	0	NA	男	0	<= 0.5
生还	1	NA	女	1	<= 1
Pclass			Embarked
一等位	1	<= 1.5	Cherbourg	0	<= 0.5
二等位	2	<= 2.5	Queenstown	1	<= 1
三等位	3	<= 3	Southampton	2	<= 2

为了更方便后续建立决策树模型，数据会转换成数字的形式。大纲可参考上表。以下会详细解释相关的数据。

• PassengerId 乘客id
  • 不存在很大的相关性，因此会进行删除。
• Survived 是否获救
  • 0=没有获救，1=有获救
  • 获救：38.25%
  • 遇难：61.75%（实际遇难比例：67.5%）
• Pclass 船票级别
  • 代表社会经济地位。 1： 一等座位（），2 ： 二等座位，3 ：三等座位
  • 人数占比是一等座位（24.07%），二等座位（20.70%），三等座位（55.23%）
• Sex 性别
  • male 男 =0，female 女 =1
  • 男 : 女 = 64.9% : 35.1%
• Age