本文目录导读：
泰坦尼克号，一艘豪华巨轮，却以悲剧收场，这场震惊世界的大灾难，让人们对生命、人性、社会制度有了更深刻的反思，而如今，我们通过数据挖掘，将历史重现，揭开泰坦尼克号沉船事件的神秘面纱，本文将从数据预处理、数据可视化两个方面，对泰坦尼克号数据进行深入剖析。
图片来源于网络，如有侵权联系删除
数据预处理
1、数据来源
泰坦尼克号数据来源于美国国家档案馆，包含乘客、船员、船票等详细信息，数据格式为CSV，共包含891条记录。
2、数据清洗
（1）缺失值处理：在泰坦尼克号数据中，存在部分缺失值，针对缺失值，我们采用以下方法进行处理：
①删除含有缺失值的记录：对于某些关键字段，如年龄、船票等级等，删除含有缺失值的记录。
②填充缺失值：对于其他字段，采用均值、中位数、众数等方法进行填充。
（2）异常值处理：在泰坦尼克号数据中，存在部分异常值，针对异常值，我们采用以下方法进行处理：
①删除异常值：对于年龄、票价等字段，删除超出正常范围的记录。
②修正异常值：对于其他字段，采用线性插值、多项式插值等方法进行修正。
图片来源于网络，如有侵权联系删除
3、数据转换
（1）性别转换：将性别字段从“male”和“female”转换为数字，便于后续分析。
（2）船票等级转换：将船票等级从“1st”、“2nd”、“3rd”转换为数字，便于后续分析。
数据可视化
1、乘客生存率分布
通过柱状图展示不同船票等级、性别的乘客生存率，从图中可以看出，一等舱乘客的生存率明显高于其他等级，女性乘客的生存率高于男性乘客。
2、年龄分布
通过直方图展示乘客年龄分布情况，从图中可以看出，乘客年龄主要集中在20-40岁之间，20岁以下和40岁以上乘客较少。
3、票价分布
通过直方图展示乘客票价分布情况，从图中可以看出，票价主要集中在10-50英镑之间，票价低于10英镑和高于50英镑的乘客较少。
图片来源于网络，如有侵权联系删除
4、乘客与船员比例
通过饼图展示乘客与船员比例，从图中可以看出，乘客人数远多于船员人数。
通过对泰坦尼克号数据的预处理和可视化分析，我们揭示了以下几个关键点：
1、一等舱乘客的生存率明显高于其他等级，女性乘客的生存率高于男性乘客。
2、乘客年龄主要集中在20-40岁之间，票价主要集中在10-50英镑之间。
3、乘客人数远多于船员人数。
通过对泰坦尼克号数据的深入挖掘，我们不仅了解了历史事件，还为后续的数据挖掘、机器学习等领域提供了丰富的案例。
标签： #泰坦尼克号数据预处理
评论列表