如何用Python预测泰坦尼克号乘客生存率？

本文共计515个文字，预计阅读时间需要3分钟。

缺少值分析 + 可视化数据分析 + 代码示例pythonimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')

train=pd.read_csv(train.csv)test=pd.read_csv(test.csv)

缺失值分析处理

可视化&数据分析

---

代码

importnumpyasnp

importpandasaspd

importmatplotlib.pyplotasplt

importseabornassns

importwarnings

warnings.filterwarnings('ignore')

train=pd.read_csv("train.csv")

test=pd.read_csv("test.csv")

gender=pd.read_csv("gender.csv")

print(train.head())

print(test.head())

print(gender.head())

data=pd.concat([train,test],ignore_index=True)

data

print(data.info())

print(data.isnull().sum())#Cabin缺失数据较多，可直接删除

data.describe()#查看年龄统计数据数据，使用年龄的平均值填充空白值

data.Age=data.Age.fillna(data.Age.mean())#用平均值填充年龄

data

data[data.Fare.isnull()]

data.Fare=data.Fare.fillna(data[(data.Embarked=='S')&(data.Pclass==3)].Fare.median())

data[data.Embarked.isnull()]

data.groupby(by=['Pclass','Embarked']).Fare.median()

data.groupby(by=['Pclass','Embarked']).Survived.count()

data.Embarked=data.Embarked.fillna('C')

data.iloc[61]

data=data.drop('Cabin',axis=1)#Cabin数据缺失将近70%，删除Cabin列。

data

print(data.isnull().sum())

sns.barplot(x='Pclass',y='Survived',data=data)

plt.subplots(figsize=(15,8))

sns.kdeplot(data.loc[(data['Survived']==0),'Pclass'],shade=True,color='red',label='NotSurvived')

sns.kdeplot(data.loc[(data['Survived']==1),'Pclass'],shade=True,color='blue',label='Survived')

labels=['1','2','3']

plt.xticks(sorted(data.Pclass.unique()),labels)

plt.show()

sns.barplot(x='Sex',y='Survived',data=data)#女性生存数量大于男性

sns.barplot(x='Parch',y='Survived',data=data)

sns.barplot(x='SibSp',y='Survived',data=data)

sns.barplot(x='Embarked',y='Survived',data=data)