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