本專案在Kaggle中是資料分析入門專案，如果你想了解資料分析，我們就從這裡開始吧！
資料集可以到Kaggle入門專案中直接找到，下載即可！

1.提出問題

什麼樣的人在泰坦尼克號中更容易存活？

2.採集資料、理解資料

匯入資料分析工具庫Numpy、Pandas

用pandas中的read_csv()方法讀取格式為CSV的資料集

ps:本專案涉及到機器學習，所以我們有2個數據集，一個訓練資料集，一個測試資料集，如果你還沒有接觸機器學習，我們先將這兩個資料集進行合併，一起做一下資料分析，關於機器學習部分作為了解就可以，沒有影響。

上圖中，我們使用numpy的shape()的方法可以檢視資料集的形狀，這裡我們可以瞭解到這個資料集有1309行，12列。
檢視資料集資訊，瞭解資料，我們用head()方法，預設檢視前5行

年齡（Age）裡面資料總數是1046條，缺失了263，缺失率20%；

船票價格（Fare）裡面資料總數是1308條，缺失了1條資料字串列；

登船港口（Embarked）裡面資料總數是1307，只缺失了2條資料，缺失較少；

船艙號（Cabin）裡面資料總數是295，缺失了1014，缺失率77.5%，缺失較大。

登船港口缺失2個值，將其填充為出現次數最多的值。船艙號（Cabin）缺失指較多，將其填充為’U‘。

3.資料清洗

3.1資料預處理：缺失資料處理


3.2.特徵提取：

3.2.1.資料分類

對於不同資料型別的特徵提取方法不同，對於數值型別的資料可直接使用，對於日期資料需轉換為單獨的年、月、日，對於分類資料使用One-hot編碼方法用數字代替類別。

1.數值型別：

乘客編號（PassengerId），年齡（Age），船票價格（Fare），同代直系親屬人數（SibSp），不同代直系親屬人數（Parch）

2.時間序列：無

3.分類資料：

1）有直接類別的

乘客性別（Sex）：男性male，女性female。將性別的值對映為數值，男（male）對應數值1，女（female）對應數值0

出發地點S=英國南安普頓Southampton，

途徑地點1：C=法國 瑟堡市Cherbourg，

出發地點2：Q=愛爾蘭 昆士敦Queenstown

one-hot編碼，將這一列資料按類別分開，屬於這一列則標為1，否則0，使得分類資料量化，這便於我們之後的分析。





我們同通過乘客的名字也可以獲取到一定資訊，比如乘客的頭銜，我們寫一個函式將它提取出來，並分析它與生存率之間的關係。

我們呼叫函式，並且使用counter()函式檢視頭銜一共有多少種，然後計算它們的數量。

定義以下幾種頭銜類別：

Office 政府官員，Royalty 王室（皇室）

Mr 已婚男士，Mrs 已婚女士

Miss 年輕未婚女子，Master 有技能的人/教師




船艙的位置也是我們要分析的物件，所以我們對船艙位置也進行one-hot編碼，並將它新增到資料集full的後邊。



在船上的家庭人數我們也進行分類

家庭人數分類：
小家庭Family_Single: 家庭人數 = 1
中型家庭Family_Small:家庭人數 2-4
大型家庭Family_Large:家庭人數 >5


我們使用corr()方法進行變數之間的相關性分析，相關性較高的兩個變數進行分析。


選擇相關性較高的特徵出來重新組成一個數據集進行分析。

4.資料視覺化
匯入資料視覺化工具包matplotlib

4.1分析存活率與性別之間的關係：
將男性與女性存活與非存活計數並重新建表SexDF

資料視覺化為柱狀圖

計算男女存活率，並資料視覺化

視覺化圖表

4.2分析存活率與頭銜之間的關係
計算每個頭銜人數，並生成新表TitDF進行資料視覺化

計算各頭銜存活率，並用餅圖進行資料視覺化


4.3分析存活率與在船家庭人數的關係
對每種家庭型別進行計數，生成新表FamDF，進行資料視覺化

計算家庭人數存活率，並進行資料視覺化


4.4分析存活率與客艙等級間的關係
對客艙等級進行計數，生成新表PclDF，進行資料視覺化

計算客艙等級存活率，並進行資料視覺化


得出結論：
在泰坦尼克號災難生存率分析中，
1.女性生存率高達0.74，而男性生存率只用0.17，說明基於紳士風度男性把生存機會留給了女性；
2.從頭銜的角度來看，貴族、已婚女士、未婚女子的生存率較高，這也符合性別生存率分析，貴族在這場災難中有一些‘特權’；
3.家庭人數在船上最多和最少的生存率都沒有小家庭人數高，說明在災難中，只有一個人沒有人幫助他，他的生存率就很低，而家庭人數太多，牽扯因素也多，生存率也較低；
4.從船艙等級1-3來看，生存率也由高到低，說明船艙等級對人們的安危也很重要。

以下內容為機器學習部分，作為了解，你將預測更多的人在船上，他們是否能存活。
5.資料建模

匯入資料分析工具包


建立模型


將你預測的資料存為CSV格式