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