Przejdź do treści

Analiza EDA - Titanic

Eksploracyjna analiza danych pasażerów Titanica - zaawansowane techniki EDA

📋 Opis Projektu

Kompleksowa analiza eksploracyjna (EDA) zbioru danych pasażerów RMS Titanic. Projekt bada czynniki wpływające na przeżycie katastrofy poprzez szczegółową analizę danych demograficznych, społeczno-ekonomicznych i struktury podróży.

🎯 Cel Analizy

Zrozumienie czynników wpływających na przeżycie katastrofy Titanica: - Analiza rozkładu przeżywalności według różnych cech - Identyfikacja grup ryzyka - Odkrycie ukrytych wzorców w danych - Przygotowanie insightów do modelowania ML

� Jupyter Notebook

  • Zobacz Notebook

    Interaktywny notebook z kompleksową analizą eksploracyjną Titanica.

�📊 Dataset

Titanic Dataset (Kaggle): - 891 pasażerów w zbiorze treningowym - 12 zmiennych (6 numerycznych, 5 kategorycznych, 1 target) - Przeżyło: 342 (38.4%) - Nie przeżyło: 549 (61.6%)

Zmienne:

  • PassengerId - ID pasażera
  • Survived - czy przeżył (0/1) - TARGET
  • Pclass - klasa podróży (1/2/3)
  • Name - imię i nazwisko
  • Sex - płeć
  • Age - wiek
  • SibSp - liczba rodzeństwa/małżonków na pokładzie
  • Parch - liczba rodziców/dzieci na pokładzie
  • Ticket - numer biletu
  • Fare - cena biletu
  • Cabin - numer kabiny
  • Embarked - port zaokrętowania (C/Q/S)

🛠️ Technologie

  • Python - język programowania
  • Pandas - manipulacja danymi
  • NumPy - operacje numeryczne
  • Matplotlib & Seaborn - wizualizacje
  • Jupyter Notebook - interaktywna analiza

📈 Przeprowadzone Analizy

1. Przegląd i Czyszczenie Danych

Braki danych: 

df.isnull().sum()

Age:        177 (19.9%)
Cabin:      687 (77.1%)
Embarked:   2 (0.2%)

Strategia uzupełniania: - Age: mediana według Pclass i Sex - Embarked: najczęstsza wartość (S) - Cabin: pozostawiono jako missing (high cardinality)

Outliers: - Fare: kilka bardzo wysokich wartości (suite'y) - Age: rozkład normalny, brak ekstremalnych wartości

2. Analiza Przeżywalności

Ogólna przeżywalność: 38.4%

Według płci: 

Kobiety:  74.2% przeżyło 🔥
Mężczyźni: 18.9% przeżyło

Według klasy: 

1st class: 62.9% przeżyło 🎩
2nd class: 47.3% przeżyło
3rd class: 24.2% przeżyło

Według wieku: 

Dzieci (< 18):  54% przeżyło 👶
Dorośli (18-60): 38% przeżyło
Seniorzy (> 60): 22% przeżyło

3. Feature Engineering

Nowe cechy utworzone:

# Rodzina na pokładzie
df['FamilySize'] = df['SibSp'] + df['Parch'] + 1

# Czy samotny pasażer
df['IsAlone'] = (df['FamilySize'] == 1).astype(int)

# Tytuł z imienia
df['Title'] = df['Name'].str.extract(' ([A-Za-z]+)\.', expand=False)

# Kategoria wieku
df['AgeGroup'] = pd.cut(df['Age'], bins=[0, 18, 60, 100], 
                        labels=['Child', 'Adult', 'Senior'])

# Kategoria ceny biletu
df['FareGroup'] = pd.qcut(df['Fare'], q=4, 
                          labels=['Low', 'Medium', 'High', 'VeryHigh'])

4. Korelacje i Zależności

Najsilniejsze korelacje z Survival: 1. Sex (female) → +0.54 2. Pclass (1st) → +0.34 3. Fare (higher) → +0.26 4. Embarked (C - Cherbourg) → +0.17

Insights: - Kobiety miały >4x większą szansę przeżycia - 1st class >2.5x większą szansę niż 3rd class - Rodziny 2-4 osobowe lepsze przeżycie niż samotni/duże rodziny - Dzieci miały priorytet w łodziach ratunkowych

5. Analiza Grup

"Women and children first": 

# Kobiety i dzieci
women_children = df[(df['Sex'] == 'female') | (df['Age'] < 18)]
survival_rate = women_children['Survived'].mean()  # 69.3%

# Mężczyźni dorośli
adult_men = df[(df['Sex'] == 'male') & (df['Age'] >= 18)]
survival_rate = adult_men['Survived'].mean()  # 16.7%

Efekt klasy społecznej: - 1st class female: 96.8% przeżyło! 🎩👸 - 3rd class male: 13.5% przeżyło - Różnica: 83.3 punktów procentowych

📊 Kluczowe Wnioski

Główne Czynniki Przeżycia

  1. Płeć - najsilniejszy predyktor (kobiety >4x więcej)
  2. Klasa podróży - status społeczno-ekonomiczny
  3. Wiek - dzieci miały priorytet
  4. Rozmiar rodziny - małe/średnie rodziny lepiej

Grupy Wysokiego Ryzyka

  • Mężczyźni w 3rd class (tylko 13.5% przeżyło)
  • Samotni pasażerowie
  • Osoby starsze (> 60 lat)
  • Pasażerowie z Southampton (port zaokrętowania)

Feature Importance

  • Sex, Pclass, Age - najbardziej informatywne
  • Fare - koreluje z Pclass
  • Embarked - słaby predyktor
  • Cabin - za dużo braków, mało użyteczne

📁 Zawartość Projektu

  • Zad.2_Titanic_EDA.ipynb - główny notebook z analizą
  • 26__titanic.csv - zbiór danych

🎓 Czego się Nauczyłem

  • Zaawansowane EDA - kompleksowa analiza z feature engineering
  • Braki danych - strategie imputacji w zależności od typu zmiennej
  • Feature Engineering - tworzenie nowych cech z istniejących
  • Storytelling z danych - odkrywanie narracji w danych historycznych
  • Analiza grup - segmentacja i porównanie subpopulacji
  • Domain Knowledge - wykorzystanie wiedzy historycznej (women and children first)

📝 Wnioski Biznesowe

Gdyby powtórzyć podróż: 1. Zapewnić więcej łodzi ratunkowych 2. Lepsze procedury ewakuacji dla 3rd class 3. Priorytet dla kobiet, dzieci i rodzin 4. Lepsza komunikacja między klasami 5. Szkolenia załogi w ewakuacji

Machine Learning Insights: - Sex, Pclass, Age to top 3 features - FamilySize i Title (z Name) to dobre engineered features - Cabin można pominąć (za dużo braków) - Imbalanced dataset - potrzeba stratified sampling

🔗 Powiązane Projekty

Status projektu: ✅ Ukończony
Notebook: Jupyter (Python)
Poziom: Średniozaawansowany
Czas analizy: ~3-4 godziny
Dataset: Titanic (Kaggle)
Insights: 8 głównych wniosków, 15+ wizualizacji