🚢 Eksploracyjna Analiza Danych - Pasażerowie Titanica

Kompleksowa analiza eksploracyjna danych pasażerów RMS Titanic z weryfikacją hipotez historycznych i odkryciem kluczowych czynników wpływających na przeżywalność.

---

📊 Kluczowe Wyniki

✅ Potwierdzone Hipotezy:

• Kobiety: 74.2% przeżyło vs 18.9% mężczyzn
• Klasa społeczna: 1 klasa (62%) > 2 klasa (47%) > 3 klasa (24%)
• Dzieci: Wyższa przeżywalność zgodnie z zasadą "kobiety i dzieci pierwsze"
• Port zaokrętowania: Cherbourg (55.4%) najwyższa przeżywalność
• Cena biletu: Korelacja z szansami na przeżycie

📈 Kluczowe Statystyki:

• Ogólna przeżywalność: 38.2% (500 z 1,308 pasażerów)
• Rozdział płci: 64.4% mężczyźni, 35.6% kobiety
• Najstarszy ocalony: 80 lat (1 klasa)
• Odnalezione ciała: 121 z 809 ofiar

---

🎯 Cele Projektu

1. Weryfikacja hipotez historycznych o katastrofie Titanica
2. Identyfikacja kluczowych czynników wpływających na przeżywalność
3. Analiza wzorców społecznych z 1912 roku
4. Przygotowanie danych do potencjalnego modelowania predykcyjnego

---

🔍 Metodologia

Etapy Analizy:

1. Eksploracja wstępna - przegląd struktury danych
2. Czyszczenie danych - identyfikacja braków i duplikatów
3. Analiza jednowymiarowa - rozkłady zmiennych
4. Analiza wielowymiarowa - korelacje i zależności
5. Wizualizacje zaawansowane - heatmapy, violin plots, scatter plots
6. Weryfikacja hipotez - testowanie założeń historycznych
7. Wnioski biznesowe - rekomendacje i insights

Użyte Biblioteki:

• pandas - manipulacja danymi
• matplotlib - podstawowe wizualizacje
• seaborn - zaawansowane wykresy statystyczne
• numpy - operacje numeryczne

---

📁 Struktura Projektu

📁 Eksploracyjna-Analiza-Danych-o-pasazerach-statku-Titanic/
├── 📄 README.md                              # Ten plik
├── 📊 EDA_Titanic.ipynb                      # Główny notebook z analizą
├── 📈 titanic_dane.csv                       # Dane źródłowe
├── 📋 requirements.txt                       # Zależności Python
├── 📜 LICENSE                               # Licencja MIT
├── 📋 CONTRIBUTING.md                       # Instrukcje współpracy
├── 📋 .gitignore                           # Reguły git
└── 📁 images/                              # Wykresy dla README
    ├── cover1.png                          # Okładka projektu
    ├── age_distribution.png                # Rozkład wieku
    ├── correlation_heatmap.png             # Macierz korelacji
    ├── missing_data_heatmap.png            # Braki danych
    └── survival_by_sex_class.png           # Przeżywalność

---

🔴 Live Demo

---

🚀 Jak uruchomić projekt

Opcja 1: Google Colab (Rekomendowana)

1. Otwórz w Google Colab
2. Wczytaj notebook z GitHub
3. Uruchom wszystkie komórki

Opcja 2: Lokalna instalacja

# Sklonuj repozytorium
git clone https://github.com/AlanSteinbarth/Eksploracyjna-Analiza-Danych-o-pasazerach-statku-Titanic.git

# Przejdź do katalogu
cd Eksploracyjna-Analiza-Danych-o-pasazerach-statku-Titanic

# Zainstaluj zależności
pip install -r requirements.txt

# Uruchom Jupyter
jupyter notebook EDA_Titanic.ipynb

---

📊 Przykładowe Wizualizacje

Przeżywalność według płci i klasy

Kobiety z wyższych klas miały najlepsze szanse na przeżycie

Rozkład wieku pasażerów

Największa grupa: 20-30 lat (ponad 350 osób)

Heatmapa korelacji

Silna korelacja między klasą a ceną biletu

Analiza braków danych

Znaczące braki w kolumnach: wiek (264), kabina (1015), łódź ratunkowa (824)

---

🎯 Kluczowe Wnioski

Czynniki Zwiększające Szanse na Przeżycie:

1. Płeć żeńska - 4x większe szanse niż mężczyźni
2. Wyższa klasa społeczna - dostęp do górnych pokładów
3. Młodszy wiek - priorytet dla dzieci
4. Port Cherbourg - korzystniejsze rozmieszczenie kabin
5. Wyższa cena biletu - korelacja z klasą i lokalizacją

Insights Historyczne:

• ✅ Zasada "kobiety i dzieci pierwsze" była przestrzegana
• ✅ Klasa społeczna determinowała dostęp do szalup ratunkowych
• ✅ Lokalizacja kabin (górne pokłady) zwiększała szanse ewakuacji
• ✅ Część pasażerów podróżowała za darmo (załoga/dzieci)

---

👨‍💻 Autor

Alan Steinbarth

• 🌐 GitHub
• 💼 LinkedIn
• 📧 Email: contact@victorymind.ai
• 🚀 Website: VictoryMind.ai

---

📜 Licencja

Ten projekt jest udostępniony na licencji MIT. Zobacz plik LICENSE dla szczegółów.

---

🙏 Podziękowania

• Kaggle za udostępnienie datasetu Titanic
• Wikipedia za historyczne zdjęcia i informacje
• Społeczność Python za nieocenione biblioteki do analizy danych

---

⭐ Jeśli ten projekt był pomocny, zostaw gwiazdkę na GitHub!

---

Analiza została przeprowadzona w celach edukacyjnych i portfolio. Dane historyczne mogą zawierać nieścisłości charakterystyczne dla dokumentacji z 1912 roku.