公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料
Pandas系列目录(文末有超大惊喜
):
Pandas数据分析①——数据读取(CSV/TXT/JSON)
Pandas数据分析②——数据清洗(重复值/缺失值/异常值)
Pandas数据分析③——数据规整1(索引和列名调整/数据内容调整/排序)
Pandas数据分析④——数据规整2(数据拼接/透视)
Pandas数据分析⑤——数据分组与函数使用(Groupby/Agg/Apply/mean/sum/count)
Pandas数据分析⑥——数据分析实例(货品送达率与合格率/返修率/拒收率)
Kaggle竞赛的“泰坦尼克号预测生还”是进行Pandas数据分析非常好的案例,虽然CSDN有很多大神已经做了非常高深的机器学习的建模研究,但是我还是想从一个比较基础的提升Pandas使用角度来做一篇总结~
今天主要想了解的有:
1、不同性别、舱位和年龄的分布情况
2、不同性别、舱位和登录港口的获救比例比较,找到生还比例更高的特征有哪些
一、数据清洗
公众号: 数据小斑马,关注即可获得价值1000元的数据分析学习资料
①筛选列
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data = pd.read_csv('train.csv')
print(data.info())
先看看各个特征代表的是什么意思:
PassengerId => 乘客ID,这个不会影响到存活,可删除
Pclass => 乘客等级(1/2/3等舱位)
Name => 乘客姓名,不会影响,可删除
Sex => 性别
Age => 年龄
SibSp => 堂兄弟/妹个数
Parch => 父母与小孩个数
Ticket => 船票信息 ,不会影响,可删除
Fare => 票价
Cabin => 客舱 ,不会影响,可删除