作者:离散梦
欢迎大家给出宝贵的建议!
泰坦尼克号数据分析
一、前言
主要目的是整理自己的思路。本文主要是关于泰坦尼克号生存率python分析,因为很多博客做这个项目都比较深入,感觉都比较高大上,我们初学者并不一定都能懂,甚至没兴趣看下去。这文章,也是从视频上学了之后,发现很不错,通俗易懂,非常推荐入门。我们可以共同学习。非常希望有人愿意指出我的不足。
二、正题
接下来开始进入本文的正题:
首先,我们要把数据集download下来吧,要准备好!
大家可以从kaggle平台里面下载,建议去了解一下,上面有很多经典的数据集。当然,其实百度也能搜索到。
软件平台吧,各取所好吧。我这里用的jupyter notebook,当然spyder,pycharm,普通的IDE都可以。
我选择用这个软件,是因为我可以一个部分一个部分去分析解剖,并且找错误。有兴趣的同志可以去了解一下,我比较习惯这个软件。实际效果是一样的。
数据集下载下来之后呢,是个csv格式的表格,打开jupyter notebook,打开数据集,观察一下数据有哪些属性,并且选择出对我们分析生存率有帮助的信息。
相信大家看过泰坦尼克号的电影。没有看过的同志可以去百度了解一下。会对本项目有更深的理解。
打开下载的文件,由下面这幅图可以看见有:
其中:
PassengerId ,乘客的id号,这个我觉得对生存率没影响。因为一个人的id号不会影响我是否生存下来吧。这列可以忽略
Survived ,生存的标号,上面图的数值1表示这个人很幸运,生存了下来。数值0,则表示遗憾。
Pclass ,船舱等级,就是我们坐船有等级之分,像高铁,飞机都有。这个属性会对生产率有影响。因为一般有钱人,权贵才会住头等舱的。保留。
Name ,名字,这个不影响生存率。我觉得可以不用这列数据。可以忽略
Sex , 性别,这个因为全球都说lady first,女士优先,所有这列保留。
Age , 年龄,因为优先保护老幼,这个保留。
Si