本文深入分析了泰坦尼克号数据集，运用R语言技术从不同角度解析了这起灾难的历史事实。通过数据挖掘和可视化，揭示了乘客生存率的影响因素，探讨了社会阶层、性别与生存概率之间的关系，为理解历史事件提供了独特的视角。
本文目录导读：
泰坦尼克号沉船事件是人类历史上最著名的灾难之一，自1912年4月14日以来，这场悲剧已过去百年，但关于它的话题依然热度不减，本文将运用R语言对泰坦尼克号数据集进行深入分析，以期揭示灾难背后的原因，并从中汲取教训。
数据集介绍
泰坦尼克号数据集包含712个样本，其中412个为生还者，300个为遇难者，数据集包含以下变量：
图片来源于网络，如有侵权联系删除
1、Pclass：乘客等级（1、2、3）
2、Survived：是否生还（0、1）
3、Name：乘客姓名
4、Sex：乘客性别
5、Age：乘客年龄
6、SibSp：与兄弟姐妹同船的人数
7、Parch：与父母或配偶同船的人数
8、Ticket：船票号码
图片来源于网络，如有侵权联系删除
9、Fare：船票价格
10、Cabin：船舱号码
11、Embarked：登船港口（S、C、Q）
R语言数据分析
1、数据预处理
我们需要导入数据集，并对缺失值进行处理，以下代码展示了数据预处理的步骤：
导入数据集
data <- read.csv("titanic.csv")
查看数据集结构
str(data)
查看缺失值
summary(data)
处理缺失值
data$Age[is.na(data$Age)] <- median(data$Age)
data$Embarked[is.na(data$Embarked)] <- "S"2、数据可视化
为了更直观地了解数据集，我们可以通过绘制一些图表来展示不同变量之间的关系。
乘客等级分布
pie(table(data$Pclass), main="乘客等级分布", col=c("red", "green", "blue"))
男女比例
barplot(table(data$Sex), main="男女比例", xlab="性别", col=c("red", "blue"))
生还者与遇难者比例
pie(table(data$Survived), main="生还者与遇难者比例", col=c("green", "red"))3、描述性统计分析
图片来源于网络，如有侵权联系删除
为了进一步了解数据集，我们可以计算一些统计量。
计算平均年龄
mean_age <- mean(data$Age)
print(paste("平均年龄：", mean_age))
计算年龄的中位数
median_age <- median(data$Age)
print(paste("年龄中位数：", median_age))
计算最高票价
max_fare <- max(data$Fare)
print(paste("最高票价：", max_fare))
计算最低票价
min_fare <- min(data$Fare)
print(paste("最低票价：", min_fare))4、生存率分析
我们可以通过分析不同变量与生还率之间的关系，来揭示灾难背后的原因。
乘客等级与生还率 table(data$Pclass, data$Survived) 性别与生还率 table(data$Sex, data$Survived) 年龄与生还率 table(data$Age, data$Survived) 船票价格与生还率 table(data$Fare, data$Survived)
5、逻辑回归分析
为了建立生还率的预测模型，我们可以使用逻辑回归。
构建逻辑回归模型 model <- glm(Survived ~ Pclass + Sex + Age + SibSp + Parch + Fare, data=data, family=binomial) 查看模型摘要 summary(model) 预测生还率 predict_prob <- predict(model, type="response") table(Survived, round(predict_prob))
通过R语言对泰坦尼克号数据集的分析，我们发现乘客等级、性别、年龄、船票价格等因素与生还率之间存在显著关系，在灾难发生时，我们应该关注这些因素，以最大限度地减少人员伤亡。
本文的分析结果也提醒我们，在现实生活中，要时刻关注各种风险，提高安全意识，以避免类似的悲剧再次发生。
评论列表