titanic数据分析

1.总体预览

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            714 non-null float64
SibSp          891 non-null int64
Parch          891 non-null int64
Ticket         891 non-null object
Fare           891 non-null float64
Cabin          204 non-null object
Embarked       889 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB

训练集有891条数据，其中Age,Cabin,Embarked三个特征是有缺失值的，且Cabin的缺失值非常多。

2.数据可视化

仅按照性别划分，显然女性的生还数量明显高于男性

pclass是船舱等级，等级越高生还概率越大

SibSp代表兄弟姐妹/配偶的数量，只有一个兄弟姐妹/配偶的乘客生还人数最多

Parch代表直系亲属即父母和子女的数量

Embarked代表登船港口，C港口的生存概率最高