#0524
#鐵達尼號titanic
#https://zh.wikipedia.org/wiki/%E6%B3%B0%E5%9D%A6%E5%B0%BC%E5%85%8B%E5%8F%B7
#https://www.youtube.com/watch?v=0QXrCMyxUq4
#https://www.youtube.com/watch?v=2q31MklaFHk
library(ggplot2)
library(tidyverse)
## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.1 ──
## ✔ tibble 3.1.7 ✔ dplyr 1.0.9
## ✔ tidyr 1.2.0 ✔ stringr 1.4.0
## ✔ readr 2.1.2 ✔ forcats 0.5.1
## ✔ purrr 0.3.4
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
library(titanic)##install.packages("titanic")
titanic <- titanic_train
#欄位名稱------------------------------------------
# PassengerId 乘客編號
# Survived 是否存活（0：否、1：是）
# Pclass 艙等（1：高等、2：中等、3：低等）
# Name 姓名
# Sex 性別
# Age 年齡（XX.5 表示預估年齡）
# SibSp 在船上的兄弟姊妹及配偶總數
# Parch 在船上的父母及子女總數
# Ticket 船票編號
# Fare 票價
# Cabin 座艙編號
# Embarked 登船港口（C：法國瑟堡、Q：紐西蘭皇后鎮、S：英格蘭南安普敦）
#QQQ鐵達尼號的這份名單內 , 真的有 Jack 和 Rose嗎?
#Q1 : 參加此遊輪的人是不是有錢人比較多呢?
#Q2 : 參加的男生還是女生比較多
#Q3 : 平均票價是多少錢呢?
#Q4 : 不同艙等的平均票價是多少錢呢?
#Q5 : 發生船難後，有多少人倖存和死亡?
#Q6 : 艙等和死亡的關係?
#Q7 : 性別和死亡的關係?
#Q8 : 票價與死亡的關係？
#Q9 : 年齡與死亡的關係？
####資料型態轉換###
str(titanic)
## 'data.frame': 891 obs. of 12 variables:
## $ PassengerId: int 1 2 3 4 5 6 7 8 9 10 ...
## $ Survived : int 0 1 1 1 0 0 0 0 1 1 ...
## $ Pclass : int 3 1 3 1 3 3 1 3 3 2 ...
## $ Name : chr "Braund, Mr. Owen Harris" "Cumings, Mrs. John Bradley (Florence Briggs Thayer)" "Heikkinen, Miss. Laina" "Futrelle, Mrs. Jacques Heath (Lily May Peel)" ...
## $ Sex : chr "male" "female" "female" "female" ...
## $ Age : num 22 38 26 35 35 NA 54 2 27 14 ...
## $ SibSp : int 1 1 0 1 0 0 0 3 0 1 ...
## $ Parch : int 0 0 0 0 0 0 0 1 2 0 ...
## $ Ticket : chr "A/5 21171" "PC 17599" "STON/O2. 3101282" "113803" ...
## $ Fare : num 7.25 71.28 7.92 53.1 8.05 ...
## $ Cabin : chr "" "C85" "" "C123" ...
## $ Embarked : chr "S" "C" "S" "S" ...
titanic$Pclass <- factor(titanic$Pclass, levels = c(1,2,3), labels = c("1st","2nd","3rd"))
titanic$Survived <- factor(titanic$Survived, levels = c(0,1), labels = c("died", "alive"))
titanic$Sex <- factor(titanic$Sex, levels = c("male","female"))
#QQQ鐵達尼號的這份名單內 , 真的有 Jack 和 Rose嗎?
which(titanic$Name %in% c('Jack','Rose'))
## integer(0)
#Q1 : 參加此遊輪的人是不是有錢人比較多呢?
table(titanic$Pclass)
##
## 1st 2nd 3rd
## 216 184 491
#長條圖geom_bar()
ggplot(data=titanic, aes(x=Pclass))+
geom_bar()
#長條圖加上標題labs(title = "000", subtitle = "000")
ggplot(data=titanic, aes(x=Pclass, fill=Pclass))+
geom_bar()+
labs(title = "鐵達尼號艙等人數長條圖", subtitle = "洪葦珊")+
scale_fill_brewer(palette="RdPu")
#Q2 : 參加的男生還是女生比較多
table(titanic$Sex)
##
## male female
## 577 314
#性別人數長條圖geom_bar()
ggplot(data=titanic, aes(x=Sex, fill=Sex))+
geom_bar()+
labs(title = "鐵達尼號性別人數長條圖", subtitle = "洪葦珊")+
scale_fill_brewer(palette="PuOr")
#不同艙等的性別人數
prop.table(table(titanic$Sex, titanic$Pclass),2)# 1為列百分比，2為欄百分比
##
## 1st 2nd 3rd
## male 0.5648148 0.5869565 0.7067210
## female 0.4351852 0.4130435 0.2932790
#不同艙等的性別人數長條圖
ggplot(data=titanic, aes(x=Pclass, fill=Sex))+
geom_bar()+
labs(title = "鐵達尼號艙等與性別人數長條圖", subtitle = "洪葦珊")+
scale_fill_brewer(palette="PuOr")
#不同艙等的性別人數長條圖(分組)geom_bar(position='dodge')
ggplot(data=titanic, aes(x=Pclass, fill=Sex))+
geom_bar(position = "dodge")+
labs(title = "鐵達尼號艙等與性別人數長條圖", subtitle = "洪葦珊")+
scale_fill_brewer(palette="PuOr")
#Q3 : 平均票價是多少錢呢?
summary(titanic$Fare)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00 7.91 14.45 32.20 31.00 512.33
#票價直方圖
ggplot(data= titanic, aes(x=Fare))+
geom_histogram()+
labs(title = "鐵達尼號艙等*票價長條圖", subtitle = "洪葦珊")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#不同港口的票價
tapply(titanic$Fare, titanic$Embarked, mean)
## C Q S
## 80.00000 59.95414 13.27603 27.07981
titanic %>%
group_by(Embarked) %>%
summarise(m=mean(Fare)) %>%
ungroup()
## # A tibble: 4 × 2
## Embarked m
## <chr> <dbl>
## 1 "" 80
## 2 "C" 60.0
## 3 "Q" 13.3
## 4 "S" 27.1
#發現空白資料
table(titanic$Embarked)
##
## C Q S
## 2 168 77 644
#去除空白資料
a <- titanic %>%
filter(titanic$Embarked!="")
ggplot(a, aes(x=Fare,fill=Embarked))+
geom_histogram()+
facet_wrap(.~Embarked)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
labs(title = "鐵達尼號艙等*票價直方圖", subtitle = "洪葦珊")+
scale_fill_brewer(palette="PuOr")
## NULL
#Q4 : 不同艙等的平均票價是多少錢呢?
#Q5 : 發生船難後，有多少人生存和死亡?
#Q6 : 艙等Pclass和存活Survived的關係?
table(titanic$Survived, titanic$Pclass)
##
## 1st 2nd 3rd
## died 80 97 372
## alive 136 87 119
t2 <- table(titanic$Survived, titanic$Pclass)
prop.table(t2,1)#1為列百分比
##
## 1st 2nd 3rd
## died 0.1457195 0.1766849 0.6775956
## alive 0.3976608 0.2543860 0.3479532
prop.table(t2,2)#2為欄百分比
##
## 1st 2nd 3rd
## died 0.3703704 0.5271739 0.7576375
## alive 0.6296296 0.4728261 0.2423625
#長條圖
ggplot(titanic, aes(x=Pclass, fill = Survived))+
geom_bar()
#橫條圖coord_flip()
#放射圖coord_polar()
#依艙等Pclass分組呈現畫圖
#Q7 : 性別和死亡的關係?
#不同性別的存活長條圖
#橫條圖
#放射圖 coord_polar()
#不同性別的存活長條圖(分組) geom_bar(position="dodge")
#Q8：票價與死亡的關係
tapply(titanic$Fare,titanic$Survived,mean)
## died alive
## 22.11789 48.39541
#直方圖
ggplot(titanic, aes(x=Fare, fill= Survived))+
geom_histogram()
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#分圖facet_wrap()
ggplot(titanic, aes(x=Fare,fill= Survived))+
geom_histogram()+
facet_wrap(.~Survived)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#盒鬚圖 geom_boxplot()
#Q9：年齡與死亡的關係
#Q10：年齡與死亡的關係