代碼區域
import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline#為能夠jupyter線上使用matplotlib
df=pd.read_csv('C:\Users\dell\Desktop\titanic_data.csv')
df.head(5)#先顯示出前5行， 觀察有哪些資料
數據概況：
PassengerId：乘客序號；
Survived：最終是否存活（1表示存活， 0表示未存活）；
Pclass：艙位， 1是頭等艙，
Name：乘客姓名；
Sex：性別；
Age：年齡；
SibSp：一同上船的兄弟姐妹或配偶；
Parch：一同上船的父母或子女；
Ticket：船票信息；
Fare：乘客票價， 決定了Pclass的等級；
Cabin：客艙編號， 不同的編號對應不同的位置；
Embarked：上船地點， 主要是S（南安普頓）、C（瑟堡）、Q（皇后鎮）。
欲想探討的問題：
存活率與哪些因素有關？ 猜想影響因素有：Pclass、Sex、Age、SibSp、Parch、Ticket、Cabin、Embarked。
01|泰坦尼克號整體情況：
通過下面代碼可以看出泰坦尼克號整體的倖存率約為39%。
代碼區域
survived_rate=float(df['Survived'].sum())/df['Survived'].count()#加float是為了讓小數結果顯示出來
survived_rate
out:0.38383838
02|倖存率與Pclass的關係:
可以看出兩者有強烈的相關關係， Pclass等級越高（1最高）， 倖存率越高。
代碼區域
Pclass_survived_rate=(df.groupby(['Pclass']).sum()/df.groupby(['Pclass']).count())['Survived']
Pclass_survived_rate.plot(kind='bar')#kind='bar'表示垂直柱狀圖、kind=‘barh’表示水準柱狀圖
03|倖存率與Sex的關係:
female的倖存率是male的3倍還要多。
代碼區域
Sex_survived_rate=(df.groupby(['Sex']).sum()/df.groupby(['Sex']).count())['Survived']
Sex_survived_rate.plot(kind='bar')
04|倖存率與Age的關係:
通過折線圖看出倖存率與Age沒有明確的關係。 0-10歲的倖存率要明顯高於其他年齡段。
代碼區域
Sex_survived_rate=(df.groupby(['Age']).sum()/df.groupby(['Age']).count())['Survived']
Sex_survived_rate.plot()
代碼區域
age_train_p=df[~np.isnan(df['Age'])] #去除年齡資料中的NaN
ages=np.arange(0,80,10) #0~80歲， 每10歲一段（年齡最大80歲）
age_cut=pd.cut(age_train_p.Age,ages)
age_cut_grouped=age_train_p.groupby(age_cut)
age_Survival_Rate=(age_cut_grouped.sum()/age_cut_grouped.count())['Survived'] #計算每年齡段的倖存率
age_Survival_Rate.plot(kind='bar')
05|倖存率與SibSp&Parch的關係:
通過柱狀圖可以看出， 當同行1-2個親人朋友時的倖存率更高。 (這裡將SibSp與Parch統一處理)
代碼區域
SibSp_Parch_survived_rate=((df.groupby(['SibSp']).sum()+df.groupby(['Parch']).sum())
/(df.groupby(['SibSp']).count()+df.groupby(['Parch']).count()))['Survived']
SibSp_Parch_survived_rate.plot(kind='bar')
06|倖存率與Cabin的關係:
根據折線圖看出沒有明確的相關關係， 再加上缺失資料過多687/891， 所以倖存率對Cabin可以暫且不計入考慮。
代碼區域
max_survived_rate=(df.groupby(['Cabin']).sum()/df.groupby(['Cabin']).count())['Survived']
max_survived_rate.plot()
print df['Cabin'].count()#除缺失值以外的資料個數
df['Cabin'].fillna(0).count()#所有資料個數
07|倖存率與Embarked的關係:
通過直條圖可以看出C、Q、S三地的倖存率依次下降。
代碼區域
max_survived_rate=(df.groupby(['Embarked']).sum()/df.groupby(['Embarked']).count())['Survived']
max_survived_rate.plot(kind='bar')
綜上所述：
1、泰坦尼克號整體的倖存率約為39%。
2、存活率與Pclass的關係:Pclass等級越高（1最高），存活率越高。多掙錢，坐頭等艙可以提高倖存率。
3、存活率與Sex的關係:female的存活率是male的3倍還要多。女性的天生優勢。
4、存活率與Age的關係:沒有明確的關係，0-10歲的存活率明顯高於其他年齡段。
5、存活率與SibSp&Parch的關係:當同行1-2個親人朋友時的存活率更高。出去玩耍結1-2個伴可以提高倖存率。
6、存活率與Cabin的關係:沒有明確的相關關係，再加上缺失資料過多687/891，所以存活率對Cabin可以暫且不計入考慮。
7、存活率與Embarked的關係:C、Q、S三地的存活率依次下降，不過應該和登陸地本身是沒啥關係的，登陸地可能最終體現在性別、艙位等級等方面。
End.
作者：張俊紅（中國統計網特邀認證作者）
http://www.itongji.cn
07|倖存率與Embarked的關係:
通過直條圖可以看出C、Q、S三地的倖存率依次下降。
代碼區域
max_survived_rate=(df.groupby(['Embarked']).sum()/df.groupby(['Embarked']).count())['Survived']
max_survived_rate.plot(kind='bar')
綜上所述：
1、泰坦尼克號整體的倖存率約為39%。
2、存活率與Pclass的關係:Pclass等級越高（1最高），存活率越高。多掙錢，坐頭等艙可以提高倖存率。
3、存活率與Sex的關係:female的存活率是male的3倍還要多。女性的天生優勢。
4、存活率與Age的關係:沒有明確的關係，0-10歲的存活率明顯高於其他年齡段。
5、存活率與SibSp&Parch的關係:當同行1-2個親人朋友時的存活率更高。出去玩耍結1-2個伴可以提高倖存率。
6、存活率與Cabin的關係:沒有明確的相關關係，再加上缺失資料過多687/891，所以存活率對Cabin可以暫且不計入考慮。
7、存活率與Embarked的關係:C、Q、S三地的存活率依次下降，不過應該和登陸地本身是沒啥關係的，登陸地可能最終體現在性別、艙位等級等方面。
End.
作者：張俊紅（中國統計網特邀認證作者）
http://www.itongji.cn