泰坦尼克号幸存者预测是kaggle上一个较为经典的数据分析案例，之前做了这个案例，今天向大家分享一下自己的学习笔记。
小伙伴注意了，本次实例分为两部分，第一部分（也就是本篇）我们会用我们之前使用过的一些数据挖掘方法来对数据集进行探索，并进行幸存者预测；第二部分（下篇）我们会使用机器学习的内容，利用分类树模型来进行幸存者预测。
数据集来源：https://www.kaggle.com/c/titanic
为了让部分没看过《泰坦尼克号》这部电影的小伙伴也能对数据背景有一个基本认识，我们简单概括一下背景：
泰坦尼克号的沉没是世界上最严重的海难事故之一，造成了大量的人员伤亡。这是一艘号称当时世界上最大的邮轮，船上的人年龄各异，背景不同，有贵族豪门，也有平民旅人，邮轮撞击冰山后，船上的人马上采取措施安排救生艇转移人员，从本次海难中存活下来的，也就是幸存者。
而这也引出了我们今天的主题：通过挖掘数据中的关键信息来预测一下哪些人可能成为幸存者。
下面，正文开始~
为了方便，我们将等会可能需要用到的库一并导入：
1、查看前10行数据
2、查看数据大小
可以看到，我们的数据集有891个样本，12个特征。
3、查看特征
其中，
Survived：代表是否幸存，0否，1是
Pclass：船舱等级，1最好，2次之，3最后
SibSp：该名乘客上船后，与其一起同行上船的兄弟姐妹的个数
Parch：该名乘客上船后，与其一起同行上船的家里的老人与孩子的个数
Ticket：船票编号
Fare：船票价格
Cabin：该名乘客所在船舱的编号
Embarked：该名乘客登船的码头，有三个：S、C、Q三个码头
4、查看数据缺失情况
可以看到，Cabin（乘客所在船舱的编号）大量缺失。
5、使用describe()做简单的数理统计
6、统计一下获救人数占比
可视化：
我们可以得到一个不幸的信息，在本次海难中获救人数仅占38.4%。
7、统计性别特征对获救几率的影响
首先看一下船上乘客的男女比例：
男性乘客577人，女性314人。
看过电影的同学，可能也有注意到电影里的这一个细节：邮轮出事后，是本着“老人、小孩、女士优先”的准则，也就是说这一部分乘客会优先获救。下面我们来看看在这一点在数据集中是否有体现：
可以看到，女性乘客总人数比男性少，但是获救人数却比男性乘客要多。
分别统计船上女性乘客与男性乘客的获救率：
可以看到，
性别特征是影响获救概率的一个重要因素。
女性获救概率要远远高于男性。
8、研究船舱等级对获救几率的影响
查看船舱等级分类及各船舱人数：
查看各船舱的获救情况：
我们也可以用另一种方法查看：
分别统计不同船舱乘客的获救率：
可视化：
可以看到，船舱等级对于乘客的获救率还是存在很大的影响，从三个船舱的获救率可以看到，一号舱乘客有着很高的优先级，获救率接近63%，二号舱次之，只有47.28%，三号舱获救率则很低，不到25%。
9、研究在不同等级的船舱内，“女士优先”的原则还是否存在：
（依然使用groupby函数）
第一步，统计不同船舱内的男女人数：
第二步，分别计算在不同等级的船内，女性乘客与男性乘客的获救率：
1、一号舱：
2、二号舱：
3、三号舱：
可以看到，在一等舱和二等舱，女性的获救率都很高，在90%以上，在三等舱中的乘客获救率普遍较低，女性的获救率为50%，仍远高于男性获救率。
可以看出，“女士优先”的准则，在各个船舱中都得到呈现。
可视化：
从这个图我们就能明显看到，性别及船舱等级对获救概率的影响。
从上述分析结果，我们可以得到以下两个关于乘客获救率结论：
（1）在泰坦尼克号上，女性的获救率会高于男性；
（2）高等级船舱的乘客获救率会高于低等级船舱。
除此之外，也可以从年龄等其他角度进行分析，这里由于篇幅问题我们就不再续写了，感兴趣的小伙伴可以自己动手试试。
在本篇中，我们使用了常用的数据挖掘手段对乘客的获救率进行预测；下一篇中，我们将会使用回归树的方法，同样实现预测获救率的目标。
以上便是<数据挖掘经典实例——泰坦尼克号幸存者预测>的内容，感谢大家的细心阅读，同时欢迎感兴趣的小伙伴一起讨论、学习，想要了解更多内容的可以看我的其他文章，同时可以持续关注我的动态~
