今天终于把泰坦尼克这个救援数据的基本情况拎出来了,现在把代码贴进来,方便后续使用,同时也有一些作为纯纯的小白的傻傻的注释。老手们就绕道吧。
import pandas as pd
import numpy as np
tantic_data = pd.read_csv(r"C:\mafengwo/titanic_train.csv")
#对数据整体情况做一个查看,每个变量的缺失程度是怎么样的
tantic_data_all = tantic_data.isnull().count().sort_values(ascending =False)
tantic_data_miss =tantic_data.isnull().sum().sort_values(ascending=False)
tantic_miss_percent = (tantic_data_miss/tantic_data_all).sort_values(ascending =False)
tantic_miss_final = pd.concat([tantic_data_all,tantic_data_miss,tantic_miss_percent],axis=1,keys=["data_total","data_miss","miss_percent"],
sort=True).sort_values(ascending=False,by = 'miss_percent')
#这个可以放在查看缺失数据的前面,查看数据的整体分布情况,这里describe只会统计数值型的变量,且只会统计数值中的非空个数
tantic_data.describe()
#一些基本的统计信息查看和分布情况
tantic_data['Pclass'].value_counts(dropna=False)
#第一个 查看不同舱位的乘客获救情况:人数,获救占比——乘客能否获救与舱位是否有关系
#解决问题的思路:找到变量的字段——舱位&是否获救
#获取船舱等级并转化为list格式,方便后期使用
Pclass = set(tantic_data['Pclass'])
Pclass_list =[]
for pcl in Pclass: