【数据挖掘实战】之kaggle练习赛titanic

之前基本完成了pandas基础知识的学习，现在结合实际工程实例来进一步理解巩固pandas的用法。

参考博客资料：http://www.cnblogs.com/north-north/p/4353365.html

一.读取数据

df = pd.read_csv('train.csv',header=0)

使用pandas的read_csv函数可以轻松读取csv文件的内容。在读取了数据文件之后，可以使用一些方法来大概的看看数据的一些基础情况：

如通过df.info()  df.describe()等函数可以获知缺失数据的一些基本情形

二.缺失值处理

对于数据缺失值的处理方式有多种，博客中用到了三种处理方式：

使用均值或者众数代替缺失值：

1 #replace missing values with mode
2 df.Embarked[df.Embarked.isnull()] = df.Embarked.dropna().mode().values

注意dropna()函数，可以去除掉NA的数值，mode()方法是求众数

直接人为赋值：

1 #replace missing value with U0
2 df.Cabin[df.Cabin.isnull()]='U0'

利用模型来预测缺失属性的值：

 1     #choose training data to predict age
 2     age_df = df[['Age','Survived','Fare', 'Parch', 'SibSp', '