在使用Python对Titanic数据集进行分析时，通常会采用Pandas库来处理数据，并结合Matplotlib、Seaborn等可视化库进行可视化分析。以下是一个基本的分析流程： ### 数据导入 首先需要导入Titanic数据集。使用Pandas的`read_csv`函数可以轻松完成这一任务，例如： ```python import pandas as pd # 读取数据 titanic = pd.read_csv("path/to/titanic.csv") # 查看数据的基本统计信息 print(titanic.describe()) ``` ### 数据检查 在导入数据后，应该检查数据集的结构和完整性。这包括查看数据集的前几行、列名、缺失值等信息： ```python # 查看数据集的前几行 print(titanic.head()) # 查看列名 print(titanic.columns) # 检查缺失值 print(titanic.isnull().sum()) ``` ### 特征分析 #### 分类性变量分析 分类性变量（名义变量）如性别（Sex）、登船港口（Embarked）等，可以通过统计频率分布来分析其与生还率的关系： ```python # 性别与生还率的关系 survival_by_sex = titanic.groupby('Sex')['Survived'].mean() print(survival_by_sex) # 登船港口与生还率的关系 survival_by_embarked = titanic.groupby('Embarked')['Survived'].mean() print(survival_by_embarked) ``` #### 定序变量分析 定序变量如乘客等级（Pclass）可以用来分析不同等级的乘客生还率差异： ```python # 乘客等级与生还率的关系 survival_by_pclass = titanic.groupby('Pclass')['Survived'].mean() print(survival_by_pclass) ``` #### 连续型变量分析 连续型变量如年龄（Age）、票价（Fare）可以通过绘制直方图或箱形图来观察其分布及其与生还率的关系： ```python import matplotlib.pyplot as plt import seaborn as sns # 年龄分布 sns.histplot(titanic['Age'].dropna(), kde=False, bins=20) plt.show() # 票价分布 sns.histplot(titanic['Fare'], kde=False, bins=50) plt.show() ``` #### 离散型变量分析 离散型变量如兄弟姐妹数量（SibSp）、父母子女数量（Parch）可以用来分析家庭成员数量对生还率的影响： ```python # 兄弟姐妹数量与生还率的关系 survival_by_sibsp = titanic.groupby('SibSp')['Survived'].mean() print(survival_by_sibsp) # 父母子女数量与生还率的关系 survival_by_parch = titanic.groupby('Parch')['Survived'].mean() print(survival_by_parch) ``` #### 特征离散化处理 对于连续型变量如年龄（Age），可以进行离散化处理以简化分析： ```python import numpy as np import pandas as pd # 将年龄进行离散化处理 ages = np.array(titanic['Age']) bins = [0, 10, 20, 30, 40, 50, 60, 70, 80] cats1 = pd.cut(ages, bins, labels=False) titanic['AgeGroup'] = cats1 # 查看离散化后的年龄与生还率的关系 survival_by_age_group = titanic.groupby('AgeGroup')['Survived'].mean() print(survival_by_age_group) ``` ### 相关性分析 通过计算特征之间的相关性，可以了解哪些特征对生还率有显著影响： ```python # 计算相关系数矩阵 correlation_matrix = titanic.corr() print(correlation_matrix) # 绘制热力图 sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm') plt.show() ``` 通过上述步骤，可以对Titanic数据集进行全面的分析，从而探索不同特征与生还率之间的关系。这些分析不仅有助于理解数据集的结构，还可以为后续的预测模型构建提供有价值的见解。