Python分析泰坦尼克号数据集

泰坦尼克号数据分析

分析目的：

分析影响乘客生存的因素

#导入相应的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

导入数据

网上有很多共享的数据，直接下载就好了

train = pd.read_csv(‘train.csv’,encoding = ‘utf-8’)

查看数据前5 行

train.head()

数据集共有12个属性

PassengerId ：乘客ID

Survived ：存活（0代表死亡，1代表存活）

Pclass ： 船舱等级（1为最高等级）

Name ： 乘客姓名

Sex ： 性别

Age ：年龄

SibSp ：同行的兄弟姐妹或朋友的数量

Parch ：同行的父母或子女的数量

Ticket ：船票号

Fare ： 船票价格

Cabin ：客舱号码

Embarked ：登船港口

数值型数据描述性分析

train.describe()

数据预处理

缺失值处理

train.isnull().sum()
train.Age = train.Age.fillna(train.Age.mean())
train.Embarked = train.Embarked.fillna(method = ‘ffill’)
train.isnull().sum()

重复值处理

train[train.duplicated(subset = [‘Name’,‘Sex’])] #数据集中没有重复数据

合并SibSp与Parch属性

train[‘Sib_Par’] = train[‘SibSp’] + train[‘Parch’]

异常值处理

train.Fare.plot(kind = ‘box’)
train[train.Fare>200]
#train[train.Fare>200].count()
train[train.Fare>500]
train.loc[train.Fare > 500 , ‘Fare’] = 227
#查看票价为0的数据
train[(train[‘Fare’] == 0)]
train[(train[‘Pclass’]== 1) & (train[‘Fare’] == 0)]
train[(train[‘Pclass’]== 2) & (train[‘Fare’] == 0)]
train[(train[‘Pclass’]== 3) & (train[‘Fare’] == 0)]

删除无用的属性

train.drop([‘PassengerId’,‘Name’,‘Ticket’,‘Cabin’,‘SibSp’,‘Parch’]

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！