数据分析如何让泰坦尼克号从历史中重现？

泰坦尼克号是一艘英国豪华邮轮，以其大小、奢华和先进的技术而闻名。然而，1912 年 4 月 15 日，泰坦尼克号在北大西洋撞上冰山后沉没，成为史上最严重的 maritime 灾难之一。这起悲剧造成 1,502 人死亡，也引发了关于乘客生存率的诸多讨论。

数据分析在这个案例中发挥着重要作用，因为它可以帮助我们更好地理解导致悲剧发生的原因，以及如何防止类似事件再次发生。下面，我们将使用 pandas 库来分析泰坦尼克号乘客的数据，看看哪些因素影响了他们的生存率。

数据准备

首先，我们需要准备数据。我们从 Kaggle 网站上下载了泰坦尼克号乘客的数据集，其中包含了 891 名乘客的信息，包括他们的姓名、年龄、性别、舱位等级、登船港口等。

import pandas as pd

# 导入泰坦尼克号乘客数据
data = pd.read_csv('titanic.csv')

# 查看数据
print(data.head())

输出结果：

   PassengerId  Survived  Pclass  ...  Cabin  Embarked
0            1         0       3  ...   NaN        S
1            2         1       1  ...  C85     C
2            3         1       3  ...   NaN        S
3            4         1       1  ...  C123    S
4            5         0       3  ...   NaN        S

[5 rows x 12 columns]

数据分析

接下来，我们将使用 pandas 库来分析数据。首先，我们看看乘客的生存率是如何分布的。

# 计算乘客的生存率
survival_rate = data['Survived'].mean()

# 打印生存率
print('生存率:', survival_rate)

输出结果：

生存率: 0.3838383838383838

从这个结果可以看出，泰坦尼克号乘客的生存率只有 38.38%。也就是说，每 10 个乘客中，只有 4 个人能够幸免于难。

接下来，我们看看哪些因素影响了乘客的生存率。首先，我们看看乘客的性别是如何影响生存率的。

# 按性别分组计算乘客的生存率
survival_rate_by_sex = data.groupby('Sex')['Survived'].mean()

# 打印生存率
print('按性别分组的生存率:')
print(survival_rate_by_sex)

输出结果：

按性别分组的生存率:
Sex
female    0.742038
male      0.188908
Name: Survived, dtype: float64

从这个结果可以看出，女性的生存率要远高于男性。女性的生存率为 74.2%，而男性的生存率只有 18.89%。这表明，女性在泰坦尼克号沉没事故中受到了更多的照顾。

接下来，我们看看乘客的舱位等级是如何影响生存率的。

# 按舱位等级分组计算乘客的生存率
survival_rate_by_class = data.groupby('Pclass')['Survived'].mean()

# 打印生存率
print('按舱位等级分组的生存率:')
print(survival_rate_by_class)

输出结果：

按舱位等级分组的生存率:
Pclass
1    0.629630
2    0.472826
3    0.242363
Name: Survived, dtype: float64

从这个结果可以看出，舱位等级越高，乘客的生存率就越高。一等舱乘客的生存率为 62.96%，二等舱乘客的生存率为 47.28%，三等舱乘客的生存率只有 24.23%。这表明，一等舱和二等舱乘客在泰坦尼克号沉没事故中受到了更多的照顾。

结论

通过对泰坦尼克号乘客数据的分析，我们可以看到，乘客的性别、舱位等级等因素都影响了他们的生存率。这些因素表明，在泰坦尼克号沉没事故中，女性、一等舱和二等舱乘客受到了更多的照顾。

这次事故也给了我们很多启示。首先，我们需要提高船舶的安全标准，以防止类似事件再次发生。其次，我们需要加强对船员的培训，让他们在紧急情况下能够更好地应对。最后，我们需要加强对乘客的教育，让他们在紧急情况下知道如何自救。