数据来源：

kaggle的Titanic 生存模型：titanic_train.csv。

引入的库：

    import numpy as np
    import pandas as pd
    import sys
    reload(sys)
    sys.setdefaultencoding('gbk')
    import matplotlib.pyplot as plt
    import seaborn as sns
[/code]

##  数据分析：

####  读取数据：

```code
    train_data=pd.read_csv("titanic_train.csv")
    train_data['Survived'].value_counts().plot.pie(autopct = '%1.2f%%')            #绘制存活的比例
    plt.show()

![](https://img-
blog.csdn.net/20180530202849136?)

缺失值处理：

1. 用众数填补Embarked（上船的地点）：
   [code] train_data.Embarked[train_data.Embarked.isnull()] =
   train_data.Embarked.dropna().mode().values

  2. 使用随机森林预测Age的缺值： 
[code]    from sklearn.ensemble import RandomForestRegressor

    
    #choose training data to predict age
    age_df = train_data[['Age','Survived','Fare', 'Parch', 'SibSp', 'Pclass']]
    age_df_notnull = age_df.loc[(train_data['Age'].notnull())]
    age_df_isnull = age_df.loc[(train_data['Age'].isnull())]
    X = age_df_notnull.values[:,1:]
    Y = age_df_notnull.values[:,0]
    # use RandomForestRegression to train data
    RFR = RandomForestRegressor(n_estimators=1000, n_jobs=-1)
    RFR.fit(X,Y)
    predictAges = RFR.predict(age_df_isnull.values[:,1:])
    train_data.loc[train_data['Age'].isnull(), ['Age']]= predictAges

3. 也可以删除一些不重要的属性值.

分析数据:

1. 性别与存活的关系：
   [code] train_data.groupby(['Sex','Survived'])['Survived'].count()

train_data[['Sex','Survived']].groupby(['Sex']).mean().plot.bar()

![](https://img-
blog.csdn.net/2018053020473732?)
。

男性存活率是18.9%，女性的存活率是74.2%

  2. 船舱等级和生存的关系： 
[code]    train_data.groupby(['Pclass','Survived'])['Pclass'].count()

    train_data[['Pclass','Survived']].groupby(['Pclass']).mean().plot.bar()

![](https://img-
blog.csdn.net/20180530205543869?)
不同等级船舱的男女生存率：

[code] train_data.groupby(['Pclass','Survived'])['Pclass'].count()

train_data[['Pclass','Survived']].groupby(['Pclass']).mean().plot.bar()
train_data[['Sex','Pclass','Survived']].groupby(['Pclass','Sex']).mean().plot.bar()

[/code]

[code]   3. 年龄和生存的关系：

[code]    fig, ax = plt.subplots(1, 2, figsize = (18, 8))

    sns.violinplot("Pclass", "Age", hue="Survived", data=train_data, split=True, ax=ax[0])
    ax[0].set_title('Pclass and Age vs Survived')
    ax[0].set_yticks(range(0, 110, 10))
    
    sns.violinplot("Sex", "Age", hue="Survived", data=train_data, split=True, ax=ax[1])
    ax[1].set_title('Sex and Age vs Survived')
    ax[1].set_yticks(range(0, 110, 10))

![](https://img-
blog.csdn.net/2018053021160899?)
分析总体的年龄分布：

[code] plt.figure(figsize=(12,5))

plt.subplot(121)
train_data['Age'].hist(bins=70)
plt.xlabel('Age')
plt.ylabel('Num')

plt.subplot(122)
train_data.boxplot(column='Age', showfliers=False)

[/code]

![](https://img-
blog.csdn.net/20180530212041664?)

[code] facet=sns.FacetGrid(train_data, hue="Survived",aspect=4)

facet.map(sns.kdeplot,'Age',shade= True)
facet.set(xlim=(0, train_data['Age'].max()))
facet.add_legend()

  
![](https://img-
blog.csdn.net/2018053021253030?)  

​```code
    fig, axis1 = plt.subplots(1,1,figsize=(18,4))
    train_data["Age_int"] = train_data["Age"].astype(int)
    average_age = train_data[["Age_int", "Survived"]].groupby(['Age_int'],as_index=False).mean()
    sns.barplot(x='Age_int', y='Survived', data=average_age)
[/code]

![](https://img-
blog.csdn.net/20180530212716673?)  

**为什么妇女儿童这类“弱者”反而更能生存？**

根据泰坦尼克号唯一存活副船长 ` 查尔斯·莱特勒 ` ，事后描述，面对沉船灾难时，船长 ` 爱德华·约翰·史密斯（Edward J. Smith） `
在最后的时刻下命令，命令先让妇女和儿童上救生艇，许多乘客显得十分平静，一些人则拒绝与家人分开。

**作为男性，明明是群体中最具有强壮的体魄，又有相对更丰富的生存经验，怎么反而在这场事故中就成了生存机率最低的？**

****

作为男人、作为孩子的父亲、作为妻子的丈夫，肩头上扛的一边感情，另一边是责任，面对灾难是作出了何种抉择，其实不用多说，看一段回忆录：

> 一名叫那瓦特列的法国商人把两个孩子送上了救生艇，委托几名妇女代为照顾，自己却拒绝上船。
>
> 两个儿子得救后，世界各地的报纸纷纷登载两个孩子的照片，直到他们的母亲从照片上认出了他们。不幸的是，孩子们永远失去了父亲。
>
> 新婚燕尔的丽德帕丝同丈夫去美国度蜜月，她死死抱住丈夫不愿独自逃生。
>
> 丈夫在万般无奈中一拳将她打昏。丽德帕丝醒来时，她已在一条在海上漂浮的救生艇上了。
>
> 此后，她终生未再嫁，以此怀念亡夫。

  
参考链接：

https://blog.csdn.net/Koala_Tree/article/details/78725881  

https://www.jianshu.com/p/9a5bce0de13f  
  

  
  

  


![在这里插入图片描述](https://www.icode9.com/i/ll/?i=20210608151750993.gif)