在 Power BI 中的泰坦尼克号仪表板
原文英文，约600词，阅读约需2分钟。
📝
内容提要
泰坦尼克号是一艘在1912年沉没的船，数据集包含乘客信息，分析结果显示乘客的性别、等级和年龄与生存情况有关。数据收集自Kaggle，使用Python进行数据清洗和可视化分析。乘客人数、性别比例、舱位分布和生还率等信息被提取。
🔎
延伸解读
数据清洗的取舍与影响
文章提到原始数据集有1309行，清洗时仅删除了Embarked列中两行缺失值，最终保留1307名乘客。这种处理方式虽然简单，但意味着其他列可能存在的缺失值未被处理，可能影响后续分析的准确性。读者在参考类似分析时，需注意缺失值处理策略对结果的影响。
舱位与生存率的关联
分析显示第三舱乘客占比最高（54.25%），且该舱位生存率最低；第一舱死亡人数很少。这提示舱位等级与生存机会存在明显关联，可能反映了当时救援优先级或舱位位置差异。但文章未深入探讨因果关系，读者应避免直接推断。
年龄与生存的集中现象
28岁乘客死亡人数最多（236人），幸存者仅59人。这一数据点可能因为该年龄段乘客基数大，而非该年龄本身更危险。文章未提供各年龄段的总体分布，因此不能简单认为28岁是高风险年龄。
工具组合与可视化目的
项目使用Python进行数据清洗，再导入Power BI制作仪表板，并编写DAX公式生成洞察。这种组合适合快速探索和展示，但文章未说明DAX公式的具体内容或仪表板的交互设计，读者若想复现需自行补充细节。
❓
Q&A
泰坦尼克号沉没的时间和原因是什么？
泰坦尼克号于1912年4月15日沉没，原因是撞上了冰山。
泰坦尼克号的数据集包含哪些信息？
数据集包含乘客的年龄、性别、票价、舱位和生存状态等信息。
在泰坦尼克号上，男性和女性乘客的比例是多少？
男性乘客占64.5%，女性乘客占35.5%。
泰坦尼克号的生还率如何？
超过70%的乘客未能幸存，第三舱乘客的生存率最低。
数据分析使用了哪些工具？
数据分析使用了Python和Power BI进行数据清洗和可视化。
泰坦尼克号上哪个年龄段的乘客死亡人数最多？
28岁乘客的死亡人数最多，达到236人，幸存者仅59人。
🏷️
