江苏龙网

  1. 主页 > 生活百科 > >

4点做好数据分析 数据分析实战案例( 二 )


然后，年龄分组和幸存都是透视 。
可以看出，存活下来的青壮年比例最大，老年人比例最少 。
各个年龄段的死亡百分比和存活百分比堆砌成柱状图，结果显示获救青少年的比例最高 。
sibspsibsp字段(兄弟姐妹/配偶数量)分析显示，透视后标签为0，也就是说，没有亲人的人是车上乘客的大多数 。
因为同样基数大，幸存下来的人中，亲属为0的比例最多达到61.8% 。
为每个标签做一个百分比累积的柱形图，这是一个有意义的结果 。可以看出，有一个亲人的人获救的比例最高 。
parch从parch field(父母/子女人数)的分析也可以看出，没有父母/子女的人数占船上总人数的76% 。同样，这部分人也是获救人数最多的 。
做一个百分比堆积柱形图，可以看到，父母/孩子有三个的人获救的比例最高，达到62.5% 。
3、船票维度 票价在分析票价(fare)场的时候，首先我们更关注票价和空间之间是否存在相关性 。正常的逻辑是，空间越高，票价越高 。这里pclass和Fare的相关系数是-0.56，还是比较相关的 。
记得我们用vlookup的模糊匹配来分组，也可以直接用PivotTable来分组 。透视组合后，选择一组50步，就可以透视一下票价和舱位了 。可以看出，100以上的高票价都是头等舱，二等座和三等座票价多为0~50 。
性别&车费女性的平均车费高于男性 。
性别&舱位&票价头等舱均价远高于其他两个舱位，各舱位女性均价高于男性，其中最高价512来自头等舱女性 。另一个有趣的现象是，票价为0的都是男性 。
写到这里，我们可以问另一个问题 。票价和什么有关？性别？在港口登陆？空间？小屋？有兴趣的小伙伴可以自己进一步探索，这里就不探讨了 。
接下来50组看票价分布，可以看到0~50的票价占车上乘客的82% 。
同时，0~50票价的人群仍然是幸存者最多的，因为它的基数很大 。
从各票价分组来看，500-550票价的人存活率是100%，而0-50票价的人存活率只有32% 。
ticketticket字段是车票信息/编码，没有特别显著的分析意义，这里直接删除 。
4、地域维度 embarked基于对embarked(登船港)字段的分析，透视显示S港登船人数最多，从堆积柱形图可以看出C扣登船生成比例最高 。
四、生还率同什么有关 存活率跟什么有关？这是我们最关心的 。这个问题其实就是幸存场和其他场的相关系数 。
性别列是字符数据 。为了将其映射成数值，我们添加了一个名为性别的辅助列，男性为1，女性为0 。
再加一列f_num字段，是sibsp和parch之和，表示家庭成员数 。
上船字段分为三个辅助列，port -S、port -C和port-Q 。同时输入公式:
=IF(N2="S",1,0) 如果雕刻字段是S，则端口S列是1，端口C和端口Q是0，依此类推 。
用同样的方法，对类pclass做同样的事情 。
使用数据分析中的相关系数函数查看每个字段的相关系数 。
按降序排序，就能看出存活率和什么有关 。
所以回到我们最初的问题:
【4点做好数据分析 数据分析实战案例】哪些更有可能存活？
总结一下:虽然三等舱的人数最多（54%），但头等舱生还的比例最高（62%） 虽然男性的人数（64%）多于女性，但女性的生还率（72%）远高于男性（19%） 头等舱女性的生还比例（97%）远高于三等舱女性的生还比例（49%） 15-40岁的青年人数最多（53%），生还率最高的是0~15岁的少年（56%） 亲戚的个数为0的人数最多（68%），为1的生还率最高（51%） 父母/孩子个数为0的人数最多（76%），为3的生还率最高（63%） 票价在0-50范围内的人数最多（82%），但500~550范围内票价的人生还率为100% S港口登船的人数最多（70%），但是C港口生还率最高（56%）


推荐阅读


上一篇：最有力度的3种营销活动 服装店会员日营销活动

下一篇：手把手教你做运营思维导图 运营思维导图怎么做