Analiza danych pasażerów Titanica¶
Cel analizy¶
Które cechy pasażerów — płeć, klasa biletu, wiek i port wejścia na pokład — były najsilniej związane z przeżyciem katastrofy?¶
Zbiór danych zawiera informacje o pasażerach RMS Titanic, który zatonął 15 kwietnia 1912 roku po zderzeniu z górą lodową. Dane obejmują takie atrybuty jak klasa podróży, wiek, płeć, liczba rodzeństwa/małżonków na pokładzie, liczba rodziców/dzieci na pokładzie, cena biletu oraz miejsce zaokrętowania.
Zbiór zawiera także informację o tym, czy pasażer przeżył katastrofę.
Titanic przewoził ponad 2,200 osób, z czego ponad 1,500 zginęło, co czyni tę katastrofę jedną z najbardziej tragicznych w historii morskiej.
Kolumny:
- pclass - Klasa biletu
- survived - Czy pasażer przeżył katastrofę
- name - Imię i nazwisko pasażera
- sex - Płeć pasażera
- age - Wiek pasażera
- sibsp - Liczba rodzeństwa/małżonków na pokładzie
- parch - Liczba rodziców/dzieci na pokładzie
- ticket - Numer biletu
- fare - Cena biletu
- cabin - Numer kabiny
- embarked - Port, w którym pasażer wszedł na pokład (C = Cherbourg, Q = Queenstown, S = Southampton)
- boat - Numer łodzi ratunkowej
- body - Numer ciała (jeśli pasażer nie przeżył i ciało zostało odnalezione)
- home.dest - Miejsce docelowe
| pclass | survived | name | sex | age | sibsp | parch | ticket | fare | cabin | embarked | boat | body | home.dest | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 499 | 2.0 | 0.0 | McCrie, Mr. James Matthew | male | 30.0 | 0.0 | 0.0 | 233478 | 13.0000 | NaN | S | NaN | NaN | Sarnia, ON |
| 513 | 2.0 | 1.0 | Nasser, Mrs. Nicholas (Adele Achem) | female | 14.0 | 1.0 | 0.0 | 237736 | 30.0708 | NaN | C | NaN | NaN | New York, NY |
| 832 | 3.0 | 0.0 | Goodwin, Mrs. Frederick (Augusta Tyler) | female | 43.0 | 1.0 | 6.0 | CA 2144 | 46.9000 | NaN | S | NaN | NaN | Wiltshire, England Niagara Falls, NY |
| 637 | 3.0 | 0.0 | Aronsson, Mr. Ernst Axel Algot | male | 24.0 | 0.0 | 0.0 | 349911 | 7.7750 | NaN | S | NaN | NaN | Sweden Joliet, IL |
| 170 | 1.0 | 1.0 | Ismay, Mr. Joseph Bruce | male | 49.0 | 0.0 | 0.0 | 112058 | 0.0000 | B52 B54 B56 | S | C | NaN | Liverpool |
Krok 1: Ogólny przegląd danych¶
<class 'pandas.core.frame.DataFrame'> Int64Index: 1309 entries, 0 to 1308 Data columns (total 14 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 pclass 1309 non-null float64 1 survived 1309 non-null float64 2 name 1309 non-null object 3 sex 1309 non-null object 4 age 1046 non-null float64 5 sibsp 1309 non-null float64 6 parch 1309 non-null float64 7 ticket 1309 non-null object 8 fare 1308 non-null float64 9 cabin 295 non-null object 10 embarked 1307 non-null object 11 boat 486 non-null object 12 body 121 non-null float64 13 home.dest 745 non-null object dtypes: float64(7), object(7) memory usage: 153.4+ KB
pclass 3 survived 2 name 1307 sex 2 age 98 sibsp 7 parch 8 ticket 929 fare 281 cabin 186 embarked 3 boat 27 body 121 home.dest 369 dtype: int64
0
| pclass | survived | name | sex | age | sibsp | parch | ticket | fare | cabin | embarked | boat | body | home.dest | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 1.0 | yes | Allen, Miss. Elisabeth Walton | female | 29.0000 | 0.0 | 0.0 | 24160 | 211.3375 | B5 | S | 2 | NaN | St Louis, MO |
| 1 | 1.0 | yes | Allison, Master. Hudson Trevor | male | 0.9167 | 1.0 | 2.0 | 113781 | 151.5500 | C22 C26 | S | 11 | NaN | Montreal, PQ / Chesterville, ON |
| 2 | 1.0 | no | Allison, Miss. Helen Loraine | female | 2.0000 | 1.0 | 2.0 | 113781 | 151.5500 | C22 C26 | S | NaN | NaN | Montreal, PQ / Chesterville, ON |
| 3 | 1.0 | no | Allison, Mr. Hudson Joshua Creighton | male | 30.0000 | 1.0 | 2.0 | 113781 | 151.5500 | C22 C26 | S | NaN | 135.0 | Montreal, PQ / Chesterville, ON |
| 4 | 1.0 | no | Allison, Mrs. Hudson J C (Bessie Waldo Daniels) | female | 25.0000 | 1.0 | 2.0 | 113781 | 151.5500 | C22 C26 | S | NaN | NaN | Montreal, PQ / Chesterville, ON |
Spostrzeżenia¶
- Zbiór zawiera 1309 rekordów i 14 kolumn.
- Dane dotyczą pasażerów trzech klas biletowych.
- W zbiorze jest 843 mężczyzn i 466 kobiet.
- Katastrofę przeżyło 500 osób (38,2%), a 809 osób (61,8%) nie przeżyło.
- Średni wiek pasażerów wynosi około 30 lat.
Krok 2: Brakujące wartości¶
body 90.76 cabin 77.46 boat 62.87 home.dest 43.09 age 20.09 embarked 0.15 fare 0.08 dtype: float64
sex pclass survived
male 3.0 no 128
female 3.0 yes 34
no 30
male 1.0 no 20
3.0 yes 16
female 1.0 yes 11
male 2.0 no 11
1.0 yes 8
female 2.0 yes 2
male 2.0 yes 2
female 2.0 no 1
dtype: int64
Spostrzeżenia¶
- Najwięcej braków występuje w kolumnach
body(90,8%),cabin(77,5%) iboat(62,9%). - Kolumna
age, ważna dla dalszej analizy, ma braki dla około 20% pasażerów. - Braki w
fareiembarkedsą marginalne — po około 0,2%. - Kolumny
bodyorazboatdotyczą zdarzeń po katastrofie, dlatego nie będą używane do analizy czynników związanych z przeżyciem. - W dalszej części analizy brakujący wiek uzupełnimy medianą obliczoną osobno dla grup płci i klas biletowych.
Krok 3: Analiza pojedyńczych kolumn:¶
1. Przeżywalność¶
2. Podział na klasy¶
Ciekawostka historyczna: rozmieszczenie ocalałych w łodziach ratunkowych¶
Wykres pokazuje skład pasażerów przypisanych do poszczególnych łodzi ratunkowych. Jest to analiza uzupełniająca — numer łodzi był znany dopiero po katastrofie, dlatego nie używamy go do oceny czynników wpływających na przeżycie.
Spostrzeżenia¶
Przeżywalność¶
- Katastrofę przeżyło 38,2% pasażerów.
- Najwyższą przeżywalność odnotowano w klasie pierwszej (61,9%), a najniższą w klasie trzeciej (25,5%).
- Kobiety przeżywały zdecydowanie częściej niż mężczyźni.
- Najwyższy odsetek ocalałych wystąpił wśród dzieci do 12 lat (56,0%).
- Wśród portów wejścia na pokład najwyższą przeżywalność mieli pasażerowie z Cherbourga (55,6%). Ten wynik może być częściowo związany z innym składem pasażerów, np. większym udziałem osób z pierwszej klasy.
Podział na klasy¶
- We wszystkich klasach mężczyźni stanowili większość; największy ich udział wystąpił w klasie trzeciej (69,5%).
- Pasażerowie pierwszej klasy byli przeciętnie starsi niż pasażerowie klas drugiej i trzeciej.
- Średnia cena biletu malała wraz z klasą: 87,5 w klasie pierwszej, 21,2 w drugiej i 13,3 w trzeciej.
Krok 4: Trasformacje¶
Liczba brakujących wartości w kolumnie age: 0
Liczba wykrytych wartości odstających: 171
Low 337 Medium-High 328 High 323 Medium-Low 320 Name: fare_class, dtype: int64
| survived | no | yes |
|---|---|---|
| fare_class | ||
| Low | 77.2 | 22.8 |
| Medium-Low | 71.6 | 28.4 |
| Medium-High | 56.4 | 43.6 |
| High | 41.5 | 58.5 |
Krok 5: Relacje¶
| pclass | survived | name | sex | age | sibsp | parch | ticket | fare | cabin | embarked | boat | body | home.dest | age_gap | age_missing | fare_outlier | fare_class | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 224 | 1 | 0 | Partner, Mr. Austen | 0 | 45.5 | 0.0 | 0.0 | 113043 | 28.5000 | C124 | Southampton | NaN | 166.0 | Surbiton Hill, Surrey | 35–55 | False | False | Medium-High |
| 1259 | 3 | 0 | Turcin, Mr. Stjepan | 0 | 36.0 | 0.0 | 0.0 | 349247 | 7.8958 | NaN | Southampton | NaN | NaN | NaN | 35–55 | False | False | Low |
| 930 | 3 | 0 | Kiernan, Mr. Philip | 0 | 25.0 | 1.0 | 0.0 | 367229 | 7.7500 | NaN | Queenstown | NaN | NaN | NaN | NaN | True | False | Low |
| 196 | 1 | 1 | Marechal, Mr. Pierre | 0 | 42.0 | 0.0 | 0.0 | 11774 | 29.7000 | C47 | Cherbourg | 7 | NaN | Paris, France | NaN | True | False | Medium-High |
| 1269 | 3 | 0 | Vande Velde, Mr. Johannes Joseph | 0 | 33.0 | 0.0 | 0.0 | 345780 | 9.5000 | NaN | Southampton | NaN | NaN | NaN | 18–35 | False | False | Medium-Low |
Spostrzeżenia¶
- Najsilniejsza zależność występuje między płcią a przeżyciem (
r = 0,53). Ponieważfemale = 1, oznacza to, że kobiety częściej przeżywały katastrofę. - Klasa biletu i cena biletu są umiarkowanie ujemnie skorelowane (
r = -0,56): niższy numer klasy oznaczał wyższy standard podróży i przeciętnie wyższą cenę biletu. - Pozostałe zależności są słabe lub umiarkowane.
Krok 6: Wartości odstające¶
Spostrzeżenia¶
- Wiek zawiera pojedyncze wartości odstające, lecz mieszczą się one w realistycznym zakresie od 0 do 80 lat.
- Najwięcej wartości odstających występuje w cenie biletu. Są to przede wszystkim bardzo drogie bilety, głównie w klasie pierwszej.
- Nie usunięto tych obserwacji, ponieważ przedstawiają rzeczywiste różnice w cenie i standardzie podróży.
Podsumowanie końcowe¶
1. Zakres danych i ich jakość¶
- Analiza obejmuje 1309 pasażerów i 14 pierwotnych kolumn.
- Katastrofę przeżyło 500 osób, czyli 38,2% pasażerów w zbiorze.
- Najwięcej braków dotyczy kolumn
body,cabin,boatorazhome.dest. - Brakujące wartości wieku uzupełniono medianą wyznaczoną w grupach płci i klas biletowych.
2. Czynniki związane z przeżyciem¶
- Płeć była najsilniej związana z przeżyciem: korelacja między płcią a przeżyciem wyniosła
r = 0,53. Kobiety przeżywały znacznie częściej niż mężczyźni. - Klasa biletu była wyraźnie powiązana z przeżywalnością: w pierwszej klasie przeżyło 61,9% pasażerów, a w trzeciej 25,5%.
- Najwyższy odsetek ocalałych wystąpił wśród dzieci do 12 lat — 56,0%.
- Wśród portów wejścia na pokład najwyższą przeżywalność odnotowano w Cherbourgu — 55,6%. Wynik może być związany z różnym składem pasażerów w portach, np. udziałem osób z pierwszej klasy.
3. Klasa podróży i cena biletu¶
- W każdej klasie było więcej mężczyzn niż kobiet; największy udział mężczyzn wystąpił w klasie trzeciej.
- Pasażerowie pierwszej klasy byli przeciętnie starsi niż pasażerowie klas drugiej i trzeciej.
- Średnia cena biletu wyniosła 87,5 w klasie pierwszej, 21,2 w drugiej i 13,3 w trzeciej.
- Cena biletu i klasa są umiarkowanie ujemnie skorelowane (
r = -0,56), ponieważ niższy numer klasy oznaczał wyższy standard podróży. - Przeżywalność rosła wraz z klasą ceny biletu: od 22,8% dla najtańszej grupy do 58,5% dla najdroższej.
4. Relacje i wartości odstające¶
- Poza płcią, klasą biletu i ceną nie występują silne zależności liniowe między analizowanymi cechami.
- Najwięcej wartości odstających występuje w cenie biletu; dotyczą one przede wszystkim bardzo drogich biletów w klasie pierwszej.
- Wartości odstających nie usunięto, ponieważ opisują rzeczywiste różnice w kosztach i standardzie podróży.
5. Analiza uzupełniająca: informacje po katastrofie¶
- Dane o łodziach ratunkowych pokazują skład pasażerów przypisanych do poszczególnych łodzi według klasy podróży.
- Informacja o kabinie jest najczęściej dostępna dla pasażerów pierwszej klasy, lecz kolumna
cabinzawiera liczne braki. - Informacja o odnalezieniu ciała również jest niepełna i dotyczy zdarzeń po katastrofie.
- Dane o łodziach, kabinach i ciałach są wartościowe historycznie, ale nie są używane do oceny czynników związanych z przeżyciem, ponieważ opisują skutki katastrofy lub mają znaczną liczbę braków.
Wniosek¶
Największe różnice w przeżywalności wiążą się z płcią, klasą biletu, wiekiem oraz ceną biletu. Analiza pokazuje zależności w zbiorze danych, ale sama nie dowodzi bezpośrednich przyczyn przeżycia.
0
0