4点做好数据分析数据分析实战案例( 二 ) _大数据

女性幸存者人数占女性总数的72.75% ，远大于男性幸存者总数的19.10% 。
& Class 你可以看看阶级和性别的关系，因为男性人口基数很大，所以无论是哪个阶级，男性的数量都比女性多。同样，在每个班级中，获救的女性人数最多。
但是， 97% 的一等女性幸存下来，远高于其他两个阶层，而三等女性只有 49% 幸存。
age 分析年龄和生存情况。因为缺少年龄，所以只分析数值。
首先，对年龄做一个简单的描述性统计。使用【数据分析】中的【描述性统计】功能，可以看到最大年龄为80岁，最小年龄为0.17岁，平均值为29.88年龄中位数为 28 岁，众数为 24 岁。
再进一步，可以观察年龄分布，做一个柱状图， 5岁为一组，可以看到乘客的年龄主要集中在15-30岁，其中年轻人20-25岁是最多的。
了解了年龄的大致分布后，是时候看看特定人群的生存情况了。我们将年龄分为：
青少年（0~15岁）青年（15~40岁）中年（41~65岁）老年人（66岁及以上）
先做一个分组表，用模糊匹配实现分组
在年龄分组辅助列旁边新建一列，输入公式
!18:21 该区域为上图中预设的分组区域。
再次分组和调整年龄
可以看到，在幸存者中，年轻人和青少年的比例最大，老年人的比例最小。
制作各年龄组死亡和存活百分比堆积柱形图，结果显示获救的未成年人比例最高。
sibsp分析sibsp字段（兄弟姐妹/配偶的数量），透视后可以看到标签为0 ，表示没有亲属的人是船上乘客的大多数。
也因为基数大， 0亲属的幸存者比例最高达到61.8% 。
为每个标签制作百分比堆积柱形图，这是一个更有意义的结果。可以看出，有1个亲属的组获救比例最高。
parch 分析 parch 字段（父母/子女人数），也可以看出，没有父母/子女的人数占船上总人数的 76% 。同样，这群人获救的人数最多。
做一个百分比堆积柱形图，我们可以看到有3个父母/孩子的人获救的比例最大，达到62.5% 。

文章插图
fare 分析 Fare（票价）字段。第一个问题是票价和等级之间是否存在相关性。正常的逻辑是等级越高，票价越高。这里计算的与票价的相关系数是-0.56 ，还是比较相关的。
记住我们上面使用的模糊匹配分组，也可以直接用数据透视表分组。查看组合后，选择一组50步，然后看票价和舱位视角，看到100以上的高票价都是一等舱，二等舱和三等舱票价大部分都是0 ~ 50 。
性别与票价女性的平均票价高于男性
& Class & Fare 一等舱的平均价格远高于其他两舱。每个舱位女性的平均价格高于男性，最高512的票价来自头等舱的女性。另一个有趣的现象是，票价为 0 的都是男性。
都写到这里了，再提一个问题，票价和什么有关？性别？登陆港？班级？舱？有兴趣的朋友可以自行深入探索，这里就不一一探讨了。
接下来看50人一组的票价分布，可以看到0到50的票价占了机上乘客的82% 。
同时存活人数最多的人是0~50票价，因为它的基数本身就很大。

4点做好数据分析 数据分析实战案例( 二 )

4点做好数据分析数据分析实战案例( 二 )