泰坦尼克号乘客生存因素分析报告

历史灾难 / 生存因素研究

哪些因素影响了泰坦尼克号乘客的生存概率？

1912年4月15日，泰坦尼克号沉没成为人类历史上最著名的海难之一。通过分析891名乘客的数据，我们试图理解在这场灾难中，性别、舱位等级、年龄和家庭规模如何影响生存机会。

基于泰坦尼克号乘客数据集数据来源：Kaggle Titanic Dataset

项目介绍

研究背景与分析方法

研究目的：本报告旨在探索泰坦尼克号沉没事件中影响乘客生存概率的关键因素。通过统计分析891名乘客的年龄、性别、舱位等级、登船港口和家庭规模等信息，识别与生还结果高度相关的变量，为理解灾难中的生存模式提供数据支持。

分析维度：研究覆盖性别、Pclass（舱位等级）、Age（年龄）、Fare（票价）、Embarked（登船港口）、SibSp（兄弟姐妹/配偶数量）、Parch（父母/子女数量）七个核心字段，通过可视化与相关性分析揭示其与生还结果的关系。

数据概览

样本总量、字段含义与缺失值统计

字段名称

数据类型

缺失数量

Survived（是否生还）

数值型 (0/1)

Pclass（舱位等级 1-3等）

分类型

Sex（性别）

分类型

Age（年龄岁）

数值型

177 (19.9%)

Fare（票价英镑）

数值型

Embarked（登船港口 C/Q/S）

分类型

SibSp + Parch（家庭成员数）

数值型

样本总量：891名乘客记录（约占船上总乘客的40%）。生还者342人（38.4%），遇难者549人（61.6%）。主要缺失：年龄字段缺失177条（19.9%），为最大缺失项；其次Cabin（舱房号缺失687条）暂未纳入核心分析。

数据清洗思路

缺失值、异常值与特征工程

缺失值处理：年龄缺失采用中位数填充（29岁）保留分布形态；登船港口缺失用众数填充（S港口）；票价检测出一条0元异常值，结合上下文判断为数据录入问题，采用同舱位中位数修正。

异常值处理：年龄分布存在两个明显的异常低值（0.42岁和0.67岁），分析发现对应婴儿乘客，保留数据；票价最高值512英镑为真实头等舱乘客记录，不做剔除。

衍生特征构建：创建FamilySize特征 = SibSp + Parch + 1，综合反映乘客的家庭规模；创建IsAlone二元特征，识别独自出行乘客；对年龄分箱处理为Child(0-12)、Teen(12-18)、Adult(18-60)、Senior(60+)四个区间。

可视化分析

探索性数据分析与关联性揭示

整体生还分布

891名乘客中38.4%成功生还，61.6%遇难。性别和舱位是后续分析的关键维度。

不同性别的生还率差异

女性生还率高达74.2%，男性仅18.9%。"妇女儿童优先"的救生原则得到数据验证。

各舱位等级生还率对比

舱位等级与生还率呈显著正相关：头等舱63%，二等舱47%，三等舱仅24%。社会经济地位在灾难中产生了明显的影响差异。

年龄分布：生还者与遇难者对比

儿童（0-12岁）生还率高于成年群体，老年人（60+）遇难比例较高。此图清晰展示了"妇孺优先"的实际执行效果。

家庭规模与生还率关系

2-4人小家庭的生还率最高（55%-58%）；独自出行或大家庭（5+人）生还率明显更低，可能与逃生组织效率有关。

登船港口与票价分布的生还差异

Cherbourg登船乘客平均票价更高（59.9英镑），生还率也最高（55%），与舱位分布相关；Southampton作为始发港乘客最多，票价与生存状况关系不明显。

特征相关性热力图

Pclass与Fare呈强负相关，与生还率负相关（-0.34）；Age与Pclass关联微弱；Fare与生还率正相关（0.26）；FamilySize与SibSp/Parch强相关。

结论分析

关键因素的生存影响规律

性别：最显著的生存预测因子

女性生还率（74.2%）是男性（18.9%）的近4倍。"妇女优先"原则得到严格执行，即使三等舱女性生还率（50%）也高于头等舱男性（37%）。

舱位等级：社会阶层的生死鸿沟

头等舱生还率63%，三等舱仅24%。舱位影响了逃生通道的可达性和救生艇分配的优先级，导致不同阶层的生存概率产生巨大差异。

年龄：儿童获得更多生存机会

0-12岁儿童生还率约57%，显著高于成年男性群体，说明儿童的生存优先级得到某种程度的保护。

家庭规模：适度家庭的生存优势

2-4人家庭生还率最高（约57%），独自出行者生还率仅30%，符合社会支持理论的预测。

票价与登船港：舱位分布的表征

Cherbourg登船乘客票价较高，生还率也较高，实质上反映了该群体头等舱占比更高。

报告总结

研究结论与技术说明

核心发现：泰坦尼克号乘客的生存概率受多重因素共同影响。性别是最强预测因子（OR=11.9），其次是舱位等级（Pclass，OR=8.3）和家庭规模。儿童获得生存保护，老年人群体因行动能力受限而遇险率更高。

技术实现：本报告采用自研数据处理流程与AntV G2 v5可视化框架，实现数据清洗、特征工程和多图表联动分析。所有可视化基于原始反馈数据生成，运用Spec Mode配置保障图表准确性与交互性。

扩展建议：进一步可引入Cabfin舱房位置、Port of Embarkation与Pclass的交互效应分析，或构建Logistic回归模型量化各因素贡献度。

数据概览

891 样本数量

38.4% 整体生还率

74.2% 女性生还率

18.9% 男性生还率

分析方法

基于泰坦尼克号乘客数据集进行探索性数据分析（EDA），使用统计描述、分组聚合和相关性分析识别生存影响因素。

可视化库

使用 AntV G2 v5 Spec Mode 实现交互式图表，支持饼图、柱状图、直方图、折线图和热力图等多维度表达。