Python分析泰坦尼克号数据集

最新推荐文章于 2024-08-13 22:01:05 发布

qq_41846306

最新推荐文章于 2024-08-13 22:01:05 发布

阅读量2.3k

点赞数 5

文章标签： python 数据分析

本文链接：https://blog.csdn.net/qq_41846306/article/details/109036289

版权

通过Python分析泰坦尼克号数据集，发现总体死亡率高于生存率，船舱等级、性别、年龄和票价对生存有显著影响。1等舱乘客、女性、儿童和票价较高的乘客存活率较高，3人左右同行的生存几率相对较高。

摘要由CSDN通过智能技术生成

泰坦尼克号数据分析

分析目的：

分析影响乘客生存的因素

#导入相应的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

导入数据

网上有很多共享的数据，直接下载就好了

train = pd.read_csv(‘train.csv’,encoding = ‘utf-8’)

查看数据前5 行

train.head()

数据集共有12个属性

PassengerId ：乘客ID

Survived ：存活（0代表死亡，1代表存活）

Pclass ：船舱等级（1为最高等级）

Name ：乘客姓名

Sex ：性别

Age ：年龄

SibSp ：同行的兄弟姐妹或朋友的数量

Parch ：同行的父母或子女的数量

Ticket ：船票号

Fare ：船票价格

Cabin ：客舱号码

Embarked ：登船港口

数值型数据描述性分析

train.describe()

数据预处理

缺失值处理

train.isnull().sum()
train.Age = train.Age.fillna(train.Age.mean())
train.Embarked = train.Embarked.fillna(method = ‘ffill’)
train.isnull().sum()

重复值处理

train[train.duplicated(subset = [‘Name’,‘Sex’])] #数据集中没有重复数据

合并SibSp与Parch属性

train[‘Sib_Par’] = train[‘SibSp’] + train[‘Parch’]

异常值处理

train.Fare.plot(kind = ‘box’)
train[train.Fare>200]
#train[train.Fare>200].count()
train[train.Fare>500]
train.loc[train.Fare > 500 , ‘Fare’] = 227
#查看票价为0的数据
train[(train[‘Fare’] == 0)]
train[(train[‘Pclass’]== 1) & (train[‘Fare’] == 0)]
train[(train[‘Pclass’]== 2) & (train[‘Fare’] == 0)]
train[(train[‘Pclass’]== 3) & (train[‘Fare’] == 0)]