【数据分析】 Titanic乘客获救预测（1）基础准备

1 数据加载

数据分析入门的经典案例啦，数据可在Kaggle上进行下载。 下载地址

1.1 载入数据

• 数据格式

  一般在进行机器学习算法时，常见的数据格式为csv以及tsv
  csv comma separated values，即“逗号分隔值”
  tsv：tab separated values，即“制表符分隔值”

• 读取函数

  查看原始数据格式为csv，选择对应的读取函数pd.read_csv()
  read_csv()函数用于读取以’,'分割的文件到DataFrame
  read_table()函数用于读取以’/t’分割的文件到DataFrame
  函数详细解析可参考 官方文档

import pandas as pd
import numpy as np

train_data = pd.read_csv('titanic/titanic_train.csv') #csv数据存储路径
test_data = pd.read_csv('titanic/titanic_test.csv')

print(train_data.head(3)) #head函数获取前3行数据

输出结果如下

1.2 read_csv()函数

• 分块处理
  当数据规模非常大时，一次性读取整个csv文件系统内存吃不消，这时可利用read_csv()中的一个参数chunksize来进行分块处理。

# 每2000行为一个数据块，逐块读取
chunker = pd.read_csv('data_train.csv', chunksize=2000)

• 修改表头

# 查看原始数据的表头
print(data_train.columns)

# 将表头改为中文方便熟悉数据
data_train = pd.read_csv('titanic/titanic_train.csv', names=['乘客ID','是否幸存','仓位等级','姓名','性别','年龄','兄弟姐妹个数','父母子女个数','船票信息','票价','客舱','登船港口'],index_col='乘客ID',header=0)

1.3 观察数据

# 查看数据基本信息
print(data_train.info())

# 查看数据前n行/后n行数据
print(data_train.head(10))
print(data_train.tail(10