五个数据分析成功案例数据分析项目案例( 二 ) _生还

carbin对carbin（客舱号）做透视，可以看到有295个唯一值，基本上是一个客舱只住一个人。
但是也发现了有1个客舱对应2个人以上的情况，进一步地把舱位拉进去对比一下，发现三等舱的数值很少，说明carbin缺失值大部分是三等舱缺失的，意思是三等舱的人没有客舱？大通铺？这个有待进一步查证。
另外发现三等舱有客舱的都是E/F/G开头的客舱号，而头等舱A/B/C就较多，猜测客舱号是随着舱位的降低按字母升序排列的。
2、乘客维度
namename姓名列没有什么有价值的信息，不过可以进一步思考的是，姓名里其实是对应了头衔的，比如Mr是已婚男士，Mrs是已婚女士等，但是这里就先删除了。
sex对性别和生还情况进行分析
生还的人中女性占比67.8%，远高于男性的32.2% 。

女性生还人数占女性总数的72.75%，远远大于男性生还人数占男性总数的19.10% 。
性别&舱位可以顺便看一下舱位和性别的关系，因为男性人口基数大，所以不管是哪个舱位，男性人数都是多于女性的，同理，各个舱位都是女性获救的人数最多。
但是呢，头等舱女性的生还比例为97%，远高于其他两个舱位，且三等舱女性的生还比例只有49% 。
age对年龄和生还情况进行分析，这里因为年龄有缺失，仅对有数值的进行分析。
首先对年龄做一个简单的描述统计，用【数据分析】里的【描述统计】功能，可以看到年龄最大值为80岁，最小值为0.17岁，平均值为29.88岁，年龄中位数为28岁，众数为24岁。
进一步地，可以观察一下年龄的分布情况，做直方图，5岁为一组，可以看到，乘客的年龄主要集中在15-30岁，其中20-25岁的年轻人最多。
了解了年龄大致的分布后，就要来看特定人群的生还情况了，我们将年龄分为：
少年（0~15岁）青年（15~40岁）中年（41~65岁）老年（66岁以上）先做一个分组的表，用vlookup的模糊匹配实现分组
在age旁新建一列age分组的辅助列，输入公式
=VLOOKUP(E2,Sheet2!$B$18:$C$21,2,1) Sheet2!18:21这个区域就是上图预先设置好的分组区域。
再对age分组和survived进行透视

可以看到生还的人中青年、少年的占比最多，老年占比最少。

对各年龄段分组的死亡、生存情况做百分比堆积柱形图，得到结果，少年获救的人数比例最高。
sibsp对sibsp字段（兄弟姐妹妹/配偶的个数）分析，透视后可以看到标签为0，也就是说没有亲戚的人是船上乘客的大多数。
同样因为基数大的缘故，生存下来的人中，亲戚数为0的占比最多达到了61.8% 。

对各标签做百分比堆积柱形图，这才是比较有意义的结果，可以看到，有1个亲戚数的人群获救的比例最高。

五个数据分析成功案例 数据分析项目案例( 二 )

猜你喜欢

五个数据分析成功案例数据分析项目案例( 二 )