# ======================================== # 方法1: Kaggle APIを使ってダウンロード # ======================================== # STEP 1: Kaggle APIキーの設定 # kaggle.com にログイン → Account → Create New API Token # → kaggle.json がダウンロードされる # STEP 2: Google Colabにkaggle.jsonをアップロード from google.colab import files files.upload() # kaggle.jsonを選択してアップロード # STEP 3: 認証情報を設定 !mkdir -p ~/.kaggle !cp kaggle.json ~/.kaggle/ !chmod 600 ~/.kaggle/kaggle.json # STEP 4: Titanicデータセットをダウンロード !kaggle competitions download -c titanic # STEP 5: ZIPを解凍 !unzip titanic.zip # STEP 6: データを読み込む import pandas as pd df = pd.read_csv(‘train.csv’) print(“データセット読み込み完了！”) print(f”行数: {len(df)}, 列数: {len(df.columns)}”)

# ステップ1: 必要なライブラリをインポート import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # ステップ2: グラフの設定 plt.rcParams[‘font.sans-serif’] = [‘DejaVu Sans’] # フォント設定 plt.rcParams[‘axes.unicode_minus’] = False # マイナス記号の設定 # Seabornのスタイル設定 sns.set_style(“whitegrid”) # 背景を白いグリッドに sns.set_palette(“husl”) # カラーパレット # ステップ3: データを読み込む df = pd.read_csv(‘train.csv’) print(“=” * 50) print(“タイタニックデータセット読み込み完了!”) print(“=” * 50)

# ======================================== # 基本情報の確認 # ======================================== # 1. 最初の5行を表示（データの雰囲気を掴む） print(“\n【最初の5行】”) print(df.head()) # 2. データの形状（行数と列数） print(f”\n【データサイズ】”) print(f”行数: {df.shape[0]}”) print(f”列数: {df.shape[1]}”) # 3. データ型と欠損値の確認 print(“\n【データ型と欠損値】”) print(df.info()) # 4. 基本統計量（数値列のみ） print(“\n【基本統計量】”) print(df.describe())

# ======================================== # 欠損値の確認 # ======================================== # 欠損値の数 print(“【欠損値の数】”) print(df.isnull().sum()) # 欠損値の割合（%） print(“\n【欠損値の割合（%）】”) missing_percent = (df.isnull().sum() / len(df) * 100).round(2) print(missing_percent)

# ======================================== # 欠損値をヒートマップで可視化 # ======================================== plt.figure(figsize=(12, 6)) # 欠損値を1（欠損あり）、0（欠損なし）のヒートマップで表示 # 黄色のセルが欠損値を示す sns.heatmap(df.isnull(), cbar=True, yticklabels=False, cmap=’viridis’) plt.title(‘欠損値の分布（黄色 = 欠損）’, fontsize=16, fontweight=’bold’) plt.xlabel(‘カラム名’, fontsize=12) plt.tight_layout() plt.show() # 欠損値の多い列をまとめ print(“\n【欠損値の分析】”) print(“・Age（年齢）: 177件（19.9%）欠損 → 平均値や中央値で補完可能”) print(“・Cabin（客室）: 687件（77.1%）欠損 → 分析から除外を検討”) print(“・Embarked（乗船港）: 2件（0.2%）欠損 → 最頻値で補完可能”)

# ======================================== # 仮説1: 性別と生存率の関係 # ======================================== # まず数値で確認 print(“【性別ごとの生存率】”) survival_by_sex = df.groupby(‘Sex’)[‘Survived’].mean() print(survival_by_sex) # 可視化 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5)) # ========== グラフ1: 性別ごとの生存率（棒グラフ） ========== survival_rate = df.groupby(‘Sex’)[‘Survived’].mean() * 100 # 棒グラフを作成 bars = ax1.bar([‘Female’, ‘Male’], survival_rate.values, color=[‘#E60012’, ‘#0068B7′]) # 値をグラフ上に表示 for bar, val in zip(bars, survival_rate.values): ax1.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 2, f'{val:.1f}%’, ha=’center’, fontsize=14, fontweight=’bold’) ax1.set_title(‘性別ごとの生存率’, fontsize=16, fontweight=’bold’) ax1.set_ylabel(‘生存率（%）’, fontsize=12) ax1.set_xlabel(‘性別’, fontsize=12) ax1.set_ylim(0, 100) ax1.grid(axis=’y’, alpha=0.3) # ========== グラフ2: 年齢分布と生存（ヒストグラム） ========== sns.histplot(data=df, x=’Age’, hue=’Survived’, multiple=’stack’, bins=30, ax=ax2, palette={0: ‘#E60012’, 1: ‘#009944’}) ax2.set_title(‘年齢分布と生存’, fontsize=16, fontweight=’bold’) ax2.set_xlabel(‘年齢’, fontsize=12) ax2.set_ylabel(‘人数’, fontsize=12) ax2.legend([‘死亡’, ‘生存’], title=’結果’) plt.tight_layout() plt.show() # 結論 print(“\n” + “=” * 50) print(“【仮説1の検証結果】”) print(“=” * 50) print(“✓ 女性の生存率: 約74%”) print(“✓ 男性の生存率: 約19%”) print(“→ 「女性と子供を優先」が実践されたことが確認できた”)

# ======================================== # 仮説2: チケットクラスと生存率の関係 # ======================================== # 数値で確認 print(“【チケットクラスごとの生存率】”) survival_by_class = df.groupby(‘Pclass’)[‘Survived’].mean() print(survival_by_class) # 可視化 fig, ax = plt.subplots(figsize=(10, 6)) # クロス集計（クラスごとの生存/死亡の人数） survival_cross = pd.crosstab(df[‘Pclass’], df[‘Survived’], normalize=’index’) * 100 # 積み上げ棒グラフを作成 survival_cross.plot(kind=’bar’, ax=ax, color=[‘#E60012’, ‘#009944’], stacked=True, width=0.7) ax.set_title(‘チケットクラスごとの生存率’, fontsize=16, fontweight=’bold’) ax.set_ylabel(‘割合（%）’, fontsize=12) ax.set_xlabel(‘チケットクラス’, fontsize=12) ax.set_xticklabels([‘1等（高級）’, ‘2等（中級）’, ‘3等（一般）’], rotation=0) ax.legend([‘死亡’, ‘生存’], title=’結果’, loc=’upper right’) ax.grid(axis=’y’, alpha=0.3) # 各クラスの生存率を表示 for i, (idx, row) in enumerate(survival_cross.iterrows()): ax.text(i, row[1]/2, f'{row[1]:.1f}%’, ha=’center’, va=’center’, fontsize=12, fontweight=’bold’, color=’white’) plt.tight_layout() plt.show() # 結論 print(“\n” + “=” * 50) print(“【仮説2の検証結果】”) print(“=” * 50) print(“✓ 1等の生存率: 約63%”) print(“✓ 2等の生存率: 約47%”) print(“✓ 3等の生存率: 約24%”) print(“→ チケットクラスが高いほど生存率が高い”)

# ======================================== # 仮説3: 性別×クラスの組み合わせ効果 # ======================================== # 数値で確認 print(“【性別×クラスの生存率】”) cross_survival = df.groupby([‘Pclass’, ‘Sex’])[‘Survived’].mean() print(cross_survival) # 可視化 fig, ax = plt.subplots(figsize=(10, 6)) # Seabornの棒グラフで性別×クラスを表示 sns.barplot(data=df, x=’Pclass’, y=’Survived’, hue=’Sex’, ax=ax, palette={‘male’: ‘#0068B7’, ‘female’: ‘#E60012’}, errorbar=None) # エラーバーを非表示 ax.set_title(‘チケットクラスと性別ごとの生存率’, fontsize=16, fontweight=’bold’) ax.set_ylabel(‘生存率’, fontsize=12) ax.set_xlabel(‘チケットクラス’, fontsize=12) ax.set_xticklabels([‘1等’, ‘2等’, ‘3等’]) ax.legend(title=’性別’, labels=[‘男性’, ‘女性’]) ax.grid(axis=’y’, alpha=0.3) # Y軸を0-1の範囲に設定 ax.set_ylim(0, 1) plt.tight_layout() plt.show() # 結論 print(“\n” + “=” * 50) print(“【仮説3の検証結果】”) print(“=” * 50) print(“✓ 1等女性の生存率: 約96%（最も高い）”) print(“✓ 3等男性の生存率: 約14%（最も低い）”) print(“→ すべてのクラスで女性の生存率が高い”) print(“→ 性別とクラスの両方が生存に影響している”)

# ======================================== # ペアプロットで複数変数を一度に確認 # ======================================== # 分析に使う数値変数を選択 numerical_cols = [‘Age’, ‘SibSp’, ‘Parch’, ‘Fare’] # 欠損値を除去したデータを準備 df_clean = df[numerical_cols + [‘Survived’]].dropna() # ペアプロットを作成 # hue=’Survived’で生存/死亡で色分け # diag_kind=’kde’で対角線にカーネル密度推定を表示 g = sns.pairplot(df_clean, hue=’Survived’, palette={0: ‘#E60012’, 1: ‘#009944′}, diag_kind=’kde’, height=2.5, plot_kws={‘alpha’: 0.6}) # タイトルを追加 g.figure.suptitle(‘主要変数のペアプロット（生存別）’, y=1.02, fontsize=16, fontweight=’bold’) plt.tight_layout() plt.show() # 読み取れること print(“\n【ペアプロットから読み取れること】”) print(“・運賃（Fare）が高いほど生存率が高い傾向”) print(“・年齢（Age）は幅広く分布、特定の年齢層に偏りなし”) print(“・SibSp, Parchは0の人が多い（単独乗船が多数）”)

# ======================================== # 相関ヒートマップ # ======================================== # 相関係数行列を計算 # 分析に使う数値変数を選択 cols_for_corr = [‘Survived’, ‘Pclass’, ‘Age’, ‘SibSp’, ‘Parch’, ‘Fare’] correlation = df[cols_for_corr].corr() # ヒートマップで可視化 plt.figure(figsize=(10, 8)) # annot=True で数値を表示 # fmt=’.2f’ で小数点以下2桁 # center=0 で0を中心に色分け sns.heatmap(correlation, annot=True, fmt=’.2f’, cmap=’coolwarm’, center=0, square=True, linewidths=1, cbar_kws={“shrink”: 0.8}) plt.title(‘相関係数ヒートマップ’, fontsize=16, fontweight=’bold’, pad=20) plt.tight_layout() plt.show() # 主な発見 print(“\n【相関ヒートマップから読み取れること】”) print(“・Survived と Pclass: -0.34（負の相関）”) print(” → クラスが低い（3等）ほど生存率が低い”) print(“・Survived と Fare: 0.26（正の相関）”) print(” → 運賃が高いほど生存率が高い”) print(“・Pclass と Fare: -0.55（負の相関）”) print(” → 当然だが、1等は運賃が高い”)

# ======================================== # 箱ひげ図で外れ値を検出 # ======================================== fig, axes = plt.subplots(2, 2, figsize=(14, 10)) # Age（年齢） sns.boxplot(data=df, y=’Age’, ax=axes[0, 0], color=’#0068B7′) axes[0, 0].set_title(‘年齢の分布’, fontsize=14, fontweight=’bold’) axes[0, 0].set_ylabel(‘年齢’, fontsize=12) # Fare（運賃） sns.boxplot(data=df, y=’Fare’, ax=axes[0, 1], color=’#009944′) axes[0, 1].set_title(‘運賃の分布’, fontsize=14, fontweight=’bold’) axes[0, 1].set_ylabel(‘運賃（ポンド）’, fontsize=12) # SibSp（兄弟/配偶者） sns.boxplot(data=df, y=’SibSp’, ax=axes[1, 0], color=’#F39800′) axes[1, 0].set_title(‘兄弟/配偶者の数’, fontsize=14, fontweight=’bold’) axes[1, 0].set_ylabel(‘人数’, fontsize=12) # Parch（親/子供） sns.boxplot(data=df, y=’Parch’, ax=axes[1, 1], color=’#E60012′) axes[1, 1].set_title(‘親/子供の数’, fontsize=14, fontweight=’bold’) axes[1, 1].set_ylabel(‘人数’, fontsize=12) plt.tight_layout() plt.show() # 外れ値の分析 print(“\n【外れ値の発見】”) print(f”・Fare: 最高額は {df[‘Fare’].max():.2f}ポンド（VIP客?）”) print(f”・Age: 最高齢は {df[‘Age’].max():.0f}歳”) print(f”・SibSp: 最大 {df[‘SibSp’].max()}人の兄弟/配偶者と乗船”) print(f”・Parch: 最大 {df[‘Parch’].max()}人の親/子供と乗船”)

# ======================================== # 総合レポート（9つのグラフを1つにまとめる） # ======================================== fig = plt.figure(figsize=(16, 12)) # ========== 1. 全体の生存率（円グラフ） ========== ax1 = plt.subplot(3, 3, 1) survival_counts = df[‘Survived’].value_counts() colors = [‘#E60012’, ‘#009944’] ax1.pie(survival_counts, labels=[‘死亡’, ‘生存’], autopct=’%1.1f%%’, colors=colors, startangle=90) ax1.set_title(‘全体の生存率’, fontweight=’bold’) # ========== 2. 性別と生存 ========== ax2 = plt.subplot(3, 3, 2) sns.countplot(data=df, x=’Sex’, hue=’Survived’, ax=ax2, palette={0: ‘#E60012’, 1: ‘#009944’}) ax2.set_title(‘性別ごとの生存’, fontweight=’bold’) ax2.set_xticklabels([‘女性’, ‘男性’]) ax2.legend([‘死亡’, ‘生存’]) # ========== 3. クラスと生存 ========== ax3 = plt.subplot(3, 3, 3) sns.countplot(data=df, x=’Pclass’, hue=’Survived’, ax=ax3, palette={0: ‘#E60012’, 1: ‘#009944’}) ax3.set_title(‘クラスごとの生存’, fontweight=’bold’) ax3.set_xticklabels([‘1等’, ‘2等’, ‘3等’]) ax3.legend([‘死亡’, ‘生存’]) # ========== 4. 年齢分布 ========== ax4 = plt.subplot(3, 3, 4) sns.histplot(data=df, x=’Age’, kde=True, ax=ax4, color=’#0068B7′) ax4.set_title(‘年齢分布’, fontweight=’bold’) # ========== 5. 運賃分布 ========== ax5 = plt.subplot(3, 3, 5) sns.histplot(data=df, x=’Fare’, kde=True, ax=ax5, color=’#009944′) ax5.set_title(‘運賃分布’, fontweight=’bold’) # ========== 6. クラス×性別の生存率 ========== ax6 = plt.subplot(3, 3, 6) sns.barplot(data=df, x=’Pclass’, y=’Survived’, hue=’Sex’, ax=ax6, errorbar=None) ax6.set_title(‘クラス×性別の生存率’, fontweight=’bold’) ax6.set_xticklabels([‘1等’, ‘2等’, ‘3等’]) # ========== 7. 家族サイズと生存率 ========== ax7 = plt.subplot(3, 3, 7) df[‘FamilySize’] = df[‘SibSp’] + df[‘Parch’] + 1 # 家族サイズを計算 sns.barplot(data=df, x=’FamilySize’, y=’Survived’, ax=ax7, color=’#F39800′, errorbar=None) ax7.set_title(‘家族サイズと生存率’, fontweight=’bold’) ax7.set_xlabel(‘家族サイズ’) # ========== 8. 乗船港と生存 ========== ax8 = plt.subplot(3, 3, 8) sns.countplot(data=df, x=’Embarked’, hue=’Survived’, ax=ax8, palette={0: ‘#E60012’, 1: ‘#009944’}) ax8.set_title(‘乗船港ごとの生存’, fontweight=’bold’) ax8.legend([‘死亡’, ‘生存’]) # ========== 9. 年齢と運賃の散布図 ========== ax9 = plt.subplot(3, 3, 9) sns.scatterplot(data=df, x=’Age’, y=’Fare’, hue=’Survived’, ax=ax9, palette={0: ‘#E60012’, 1: ‘#009944’}, alpha=0.6) ax9.set_title(‘年齢と運賃（生存別）’, fontweight=’bold’) ax9.legend([‘死亡’, ‘生存’]) # 全体タイトル plt.suptitle(‘タイタニック号 探索的データ分析 – 総合レポート’, fontsize=18, fontweight=’bold’, y=0.995) plt.tight_layout() plt.show() print(“\n” + “=” * 50) print(“📊 探索的データ分析 完了!”) print(“=” * 50) print(“主要な発見を上記のグラフにまとめました。”)