Titanic分析&预测（一）

IDE： Pycharm + Python 3
目标：根据已有数据集中的年龄、性别等属性和存活与否，建立回归模型，并利用测试集提供的数据，进行存活预测。本次实验采用Logistic Regression

需要引用的包

#encoding=utf-8

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import sklearn.preprocessing as preprocessing
import sklearn.linear_model as linear_model
from sklearn.ensemble import RandomForestRegressor

数据集的路径以及格式如下图所示

程序结构如下图所示

首先加载数据集，了解数据集的属性和数据类型

#数据集加载
def load_data(data_src):
    data = pd.read_csv(data_src)
    return data

#加载数据集
datatrain_src = 'D:\Dataset\Titanic\\Titanic_train.csv'
data_train = load_data(datatrain_src)
data_train .info()

数据集属性如下所示：

可以看出数据集一共有十二个属性，包括：

⚪ 两个浮点型 Age（年龄）、Fare（费用）
⚪ 五个整型数据 PassengerId（乘客编号）、Survived（是否存活）、Pclass（乘客类型）、SibSp（亲戚数量）、Parch（家属数量）
⚪ 五个Object型数据 Name（姓名）、Sex（性别）、Ticket（船票）、Cabin（舱位）、Embarked（港口）

部分属性有缺失值，稍后会做处理，先来查看各个属性的分布：

可以看出Survived人数、各个Pclass乘客人数的柱状图，各个Pclass中乘客年龄的密度分布，以及Embarked的柱状图。

代码如下所示：

#属性展示
def plot_attribute(data):
    fig = plt.figure('plot_attribute')
    fig.set(alpha=0.2)
    # 中文字体设置，PY3开始默认是unicode编码，中文不能正常显示
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

    #存活数量柱状图
    plt.subplot(3, 2, 1)
    data.Survived.value_counts().plot(kind='bar')
    plt.title('Survived')
    plt.ylabel('count')

    #乘客类型数量柱状图
    plt.subplot(3,