# Titanic Dataset 數據分析 --- ## 數據 1. 從 [Kaggle](https://www.kaggle.com/competitions/titanic/data?select=train.csv) 下載訓練數據，共 981 筆。 2. 清理不需要的 col ，比如 `PassengerId`，`name`，`Ticket`，`Cabin`，`Embarked`。 3. 清理缺失 `age` 的 row，因為其他數據沒有明顯的分佈，直接刪除不會有太大影響。 --- ## 說明 ---  由上圖可知，艙等與存活率明顯成正比：艙等越高，存活率越高。 ---  再以性別分類可以觀察出，無論哪種等級，女性的生存率都遠比男性高。 ---  而無論是男性還是女性，分佈似乎都差不多。 --- 使用 **點雙列相關係數（Point-Biserial Correlation）** 計算年齡與存活率的關係 ```python from scipy.stats import pointbiserialr corr, _ = pointbiserialr(data["Survived"], data["Age"]) print("Point-Biserial Correlation: %.3f" % corr) ``` > Point-Biserial Correlation: -0.077 說明年齡與是否存活幾乎無關