Original size 832x1248

Визуализация данных. Titanic — Machine Learning from Disaster

PROTECT STATUS: not protected

Описание

Источник данных: Платформа Kaggle, датасет «Titanic: Machine Learning from Disaster» Формат данных: Структурированный CSV-файл Объем данных: 891 запись с 12 атрибутами на каждого пассажира Период данных: 1912 год, рейс RMS Titanic

Актуальность и ценность

Данные о пассанирах Титаника представляют историческую, социологическую и статистическую ценность: Отражение социальной стратификации начала XX века Демонстрация гендерных различий в чрезвычайных ситуациях Возможность анализа факторов выживаемости в катастрофах Классический пример для применения методов машинного обучения

Цели и задачи

Выявление ключевых факторов, повлиявших на выживаемость пассажиров Анализ демографического состава пассажиров Исследование влияния социально-экономического статуса Оценка гендерных различий в выживаемости

Инструментарий

Язык программирования: Python 3.0 Основные библиотеки: Pandas, Matplotlib, Seaborn, NumPy Среда разработки: Jupyter Notebook Вспомогательные инструменты: Статистические методы анализа данных

Этапы обработки данных

  1. Загрузка и первичный анализ
  2. Очистка данных (обработка пропусков, удаление некритичных признаков)
  3. Предобработка (типизация данных, создание производных признаков)
  4. Статистический анализ
  5. Визуализация и интерпретация

Визуализация

  1. Единый стилистический подход Тематика: Морская, соответствующая тематике данных Цветовая палитра: Оттенки синего с акцентными цветами для выживаемости Типографика: Четкий, читаемый шрифт DejaVu Sans Композиция: Сбалансированное расположение элементов

  2. Принципы визуального дизайна Информационная плотность: Максимальное количество информации на единицу площади Иерархия данных: Выделение важных статистических показателей Согласованность: Единый стиль для всех графиков Доступность: Учет особенностей цветового восприятия

  3. Источники дизайн-вдохновения Исторические документы и газеты 1912 года Морские навигационные карты Научные публикации по визуализации данных Принципы информационного дизайна Эдварда Тафти

Original size 2339x1754

Полный код

Original size 1453x1176

График: Распределение возраста пассажиров

Original size 1799x1465
Original size 3570x2372

График: Выживаемость по полу и классу

Original size 1640x2114
Original size 4351x2972

График: Распределение стоимости билетов

Original size 1640x2066
Original size 4165x2670

График: Многомерный анализ возраста и стоимости билета

Original size 1378x2176
Original size 4169x2370
Original size 1200x812

Статистические методы и анализ

Описательная статистика:

  1. Среднее арифметическое
  2. Медиана
  3. Квартили
  4. Стандартное отклонение

Анализ распределений:

  1. Гистограммы для непрерывных переменных
  2. Анализ моды для категориальных данных
  3. Сравнительный анализ:
  4. Группировка данных по категориальным признакам
  5. Расчет процентных соотношений

Корреляционный анализ:

  1. Визуальная оценка взаимосвязей
  2. Исследование многомерных зависимостей
Визуализация данных. Titanic — Machine Learning from Disaster
Project created at 16.01.2026
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators