沉没的泰坦尼克号的幸存者数据分析

点击蓝色字关注我们！

一个努力中的公众号

长的好看的人都关注了

泰坦尼克号是英国白星航运公司下的一艘奥林匹克级邮轮，号称永不沉没，然而在1912年4月14日却与冰山相撞，沉没水中。2224 名船员及乘客中，有 1517 人丧生，是一次伤亡惨重的海难。

而泰坦尼克号数据分析比赛是 Kaggle^[1] 上的一个比赛,通过训练集和测试机来预测乘客的生还情况。

环境

• Python 3.6

• WSL ubuntu 18.04

• VS Code

读取数据

首要目的是将数据读取到内存中，pandas 库可以方便的对数据进行读取。

import pandas as pd
# /mnt/e/python-learn/data/titanic/train.csv
titanic_test_data = pd.read_csv(r'/mnt/e/python-learn/data/titanic/train.csv')

数据清洗

数据清洗在数据分析中占有很重要的一部分。通过下面代码我们可以知道读入数据的数据结构。

titanic_test_data.info()

当执行该代码的时候，会打印出下面的结构。



<class 'pandas.core.frame.DataFrame>;
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            714 non-null float64