4_用R分析鐵達尼_人類在災難面前是否保有人性的光輝?

 上一篇文章有提到鐵達尼生存使用ggolo2套件繪製長條圖，而ggpolt2有一定的基本語法其實掌握了，對於你在執行資料視覺化的過程會非常方便，當然語法也有精簡的方法，但我個人覺得先掌握基本語法基本原則，對於後續語法精簡的寫法只是水到渠成。

所以我們以上一篇鐵達尼存活長條圖的程式為例如下圖

上圖為正式要出圖表達的視覺化，但通常我們在探索資料的過程中不會加入那麼多函式，通常會以下列程式碼為主，如此會加快你對於資料的探索，而要正式出圖或加入報告時，才會以上圖的形式呈現，當然這會視你的需求而定，以我而言正式出圖我一定會加labs()標籤函式，theme_bw()函式我通常不會加，但是下列的程式為ggplot2基礎表達式。

ggplot(data=titanic,mapping = aes(x=titanic$Survived))+

  geom_bar()

另外，在撰寫ggplo2語法有一點很重要就是套件有很多函式來控制你的圖形，而要加入ggplot2其它函式我們會以+號，來銜接你所需的函式，而+號的位置很重要，如下圖+號至於正確位置

若是+號至於下圖位置是無法執行

而一個+號位置為什麼要花一段的篇幅來說明，我們都知道寫程式最怕寫完了無法執行，左右看語法上也沒有問題，那到底問題出現在甚麼地方，此時會有很深的挫折感，我相信寫過程式的人對於這句話一定是認同，最後就遠離程式了，我看我的同學都是如此覺得R很難用，曾經有一段時間我也是怎麼認為，而小細節大關鍵。

對於上述原則都能掌握載R繪圖就可悠然自得，就算會有些小問題上網查一下也都能解決，接著我們繼續探索鐵達尼存活問題，在上一篇我們得知在這一個世紀災難經過計算死亡率62%，活下來的為38%，所有六成的人都死在這一個災難中，而在這生與死當中有藏著我們不知道的細節，讓我接著看下去....

一、男生和女生存活機率多少?我們都知道男生都會比較有力氣面對災難是否在這存活38%中

ggplot(data = titanic,mapping = aes(x=Sex,fill=Survived))+

  geom_bar()

從圖中結果很令人驚訝!反而是女生的存活率比較高，男生的死亡率比較高，跟我們的假設不同。

二、船艙等級是否影響生存率，可以買得起一級船艙的票，此人都是非富即貴都是具備經濟實力。

ggplot(data = titanic,mapping = aes(x=Pclass,fill=Survived))+

  geom_bar()

從圖中可以看到跟我們的假設是相同的，1級船艙存率是比較高，2級存率一半一半，3級船艙死亡率偏高，ㄟ看起來....從古至今皆是如此....都是錢在做人還可以買到生存率....我們這些碼農該怎麼辦。

三、存活率跟船艙等級以及性別是否相關；嗯....有錢人是不是比較怕死所以男性的存活率較高，而之前的統計男性的死亡率較高，是不是都是3級船艙的男性。

ggplot(data=titanic,mapping = aes(x=Sex,fill=Survived))+

  facet_wrap(~Pclass)+

  geom_bar()

藉由三個變數的統計發現在1級船艙中女性的存活率幾乎是9成了(蠻意外)，2級船艙和3級船艙跟之前的預測是一樣男性死亡率較高，女性的存活率較高。

四、乘坐鐵達尼年齡分佈，到底都是什麼年齡的人乘坐當時世界最大的輪船

ggplot(data=titanic,mapping = aes(x=Age))+

  geom_histogram(binwidth = 5)

從直方圖可以看到乘坐年齡最多在18~35歲，不過有趣的是0歲約25人還有80歲，而這些年齡存活率是如何?會有敬老尊賢嗎?會有照顧小孩讓小孩先活嗎?年輕力壯的人是否充滿正感犧牲自我嗎?嗯......看到直方圖的年齡分佈，不禁讓我陷入沉思......

五、甚麼年齡存活率最高，這是一個直接的問題

從直方圖在死亡率的確在18~35存活率是比較高的，這跟年齡的人數數量是形成正比，但在5~8歲的存活率是超過六成，而0~5歲的還有也有5成的存活率，所以天下父母心在這生死關頭還是先讓小孩存活；而在78歲以後的年長者全部存活。

六、存活率跟年齡、船艙、性別是否有關係，這是一個尖銳問題，是否有錢的小因父母親權力及地位讓他們的小享有更高的存活率，記得當時在發覺這個問題時內心頗有感觸。

這張圖就不解釋了，讀者自行解讀了.......

七、人類在災難面前是否保有人性的光輝?

從上述的分析中可以看到人類在生死存的當下是保有人性的光輝，可以從以下幾點說明

1. 在整體存活率來看女性的存活率較高，不僅在船艙的等級、年齡的分布都顯示男性在危急時會保護女性的統計數據，所以鐵達尼的電影劇情男主角為保護女主角而犧牲生命，這不是電影情節，在現實中是成立的。
2. 天下父母心在危急的當下，天下的父母還是希望自己的兒女能存活下來。
3. 對於尊敬長者在數據來看在78歲以後全部存活。
4. 在數據上面也明確顯示有錢之人的確存活率較高，不僅是他們的小或配偶，所以存在著權力及地位明確的階級象徵，在哪個時候是如此...如今是否如此....就不得而知....

八、文章心得

這一篇文章有點長，並且我並沒有解釋相關程式碼，是因為每一段的碼都很簡短，相關的函式及參數網路上都可查的到，R的網路資源是很豐富的，若是我將每段程式做說明，光是鐵達尼這個系列可以寫個10篇以上，當然這對我參加鐵人是有幫助，不用每天在想內容，而我為什麼沒有如此做，因為有時藉由文字講解並不能完整的詮釋，反而藉由自身體會程式的內容會有所頓悟。

而為什麼一口氣將相關分析在這一篇文章呈現，本來我也想切成兩篇文章，因為上述的程式碼若能理解大概就掌握R資料視覺化25%~30%對於資料的探索是有幫助，若是切成兩篇也是可以，但在寫程式或學習有時是一氣呵成，切成兩篇有時思緒會斷，想表達或領悟的成效就會不彰。

下一篇文章會深入ggplot2的相關語法，對於R的資料視覺化更能進一步的掌握，就會切多篇文章做表達，如此吸收較好。