对Titanic公开数据集进行缺失值统计

最新推荐文章于 2022-08-04 02:20:22 发布
最新推荐文章于 2022-08-04 02:20:22 发布
阅读量310 收藏
点赞数
文章标签： r语言 大数据 python
原文链接：https://my.oschina.net/kyo4321/blog/2994649
版权

2019独角兽企业重金招聘Python工程师标准>>> hot3.png




/*
参考资料：
http://spark.apache.org/docs/2.3.2/sql-programming-guide.html
https://blog.csdn.net/dreamer2020/article/details/51284789
https://blog.csdn.net/supersalome/article/details/78849581



*/


import org.apache.spark.ml.feature.{Imputer, StandardScaler}
import org.apache.spark.ml.feature.{StringIndexer, OneHotEncoderEstimator}
import org.apache.spark.ml.feature.VectorAssembler
import org.apache.spark.ml.classification.LogisticRegression
import org.apache.spark.ml.{Pipeline, PipelineModel}
import org.apache.spark.ml.evaluation.BinaryClassificationEvaluator
import org.apache.spark.ml.tuning.{ParamGridBuilder, CrossValidator}


val titanicDFCsv  = (spark.read.format("csv")
  .option("sep", ",")
  .option("inferSchema", "true")
  .option("header", "true")
  .load("/titanic_data/train.csv"))
  
/*

scala> titanicDFCsv.printSchema
root
 |-- PassengerId: integer (nullable = true)
 |-- Survived: integer (nullable = true)
 |-- Pclass: integer (nullable = true)
 |-- Name: string (nullable = true)
 |-- Sex: string (nullable = true)
 |-- Age: double (nullable = true)
 |-- SibSp: integer (nullable = true)
 |-- Parch: integer (nullable = true)
 |-- Ticket: string (nullable = true)
 |-- Fare: double (nullable = true)
 |-- Cabin: string (nullable = true)
 |-- Embarked: string (nullable = true)

*/  
  
  
//统计Cabin取值分布情况

/*

scala> titanicDFCsv.groupBy("Cabin").agg(count("Cabin") as "cnts").sort(desc("cnts")).show()
+-----------+----+
|      Cabin|cnts|
+-----------+----+
|         G6|   4|
|C23 C25 C27|   4|
|    B96 B98|   4|
|    C22 C26|   3|
|          D|   3|
|       E101|   3|
|         F2|   3|
|        F33|   3|
|        B22|   2|
|        C65|   2|
|        B18|   2|
|         E8|   2|
|        D35|   2|
|       C126|   2|
|B51 B53 B55|   2|
|        B20|   2|
|      F G73|   2|
|        C78|   2|
|    B58 B60|   2|
|        C83|   2|
+-----------+----+
only showing top 20 rows

*/

titanicDFCsv.filter("Cabin is null").select("Cabin").show()
/*
scala> titanicDFCsv.filter("Cabin is null").select("Cabin").count()
res7: Long = 687
*/

//统计Cabin字段缺失值个数
/*
scala> titanicDFCsv.filter($"Cabin".isNull).count()
res46: Long = 687
*/

scala> titanicDFCsv.filter($"Cabin".isNull).show
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
|PassengerId|Survived|Pclass|                Name|   Sex| Age|SibSp|Parch|          Ticket|   Fare|Cabin|Embarked|
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
|          1|       0|     3|Braund, Mr. Owen ...|  male|22.0|    1|    0|       A/5 21171|   7.25| null|       S|
|          3|       1|     3|Heikkinen, Miss. ...|female|26.0|    0|    0|STON/O2. 3101282|  7.925| null|       S|
|          5|       0|     3|Allen, Mr. Willia...|  male|35.0|    0|    0|          373450|   8.05| null|       S|
|          6|       0|     3|    Moran, Mr. James|  male|null|    0|    0|          330877| 8.4583| null|       Q|
|          8|       0|     3|Palsson, Master. ...|  male| 2.0|    3|    1|          349909| 21.075| null|       S|
|          9|       1|     3|Johnson, Mrs. Osc...|female|27.0|    0|    2|          347742|11.1333| null|       S|
|         10|       1|     2|Nasser, Mrs. Nich...|female|14.0|    1|    0|          237736|30.0708| null|       C|
|         13|       0|     3|Saundercock, Mr. ...|  male|20.0|    0|    0|       A/5. 2151|   8.05| null|       S|
|         14|       0|     3|Andersson, Mr. An...|  male|39.0|    1|    5|          347082| 31.275| null|       S|
|         15|       0|     3|Vestrom, Miss. Hu...|female|14.0|    0|    0|          350406| 7.8542| null|       S|
|         16|       1|     2|Hewlett, Mrs. (Ma...|female|55.0|    0|    0|          248706|   16.0| null|       S|
|         17|       0|     3|Rice, Master. Eugene|  male| 2.0|    4|    1|          382652| 29.125| null|       Q|
|         18|       1|     2|Williams, Mr. Cha...|  male|null|    0|    0|          244373|   13.0| null|       S|
|         19|       0|     3|Vander Planke, Mr...|female|31.0|    1|    0|          345763|   18.0| null|       S|
|         20|       1|     3|Masselmani, Mrs. ...|female|null|    0|    0|            2649|  7.225| null|       C|
|         21|       0|     2|Fynney, Mr. Joseph J|  male|35.0|    0|    0|          239865|   26.0| null|       S|
|         23|       1|     3|"McGowan, Miss. A...|female|15.0|    0|    0|          330923| 8.0292| null|       Q|
|         25|       0|     3|Palsson, Miss. To...|female| 8.0|    3|    1|          349909| 21.075| null|       S|
|         26|       1|     3|Asplund, Mrs. Car...|female|38.0|    1|    5|          347077|31.3875| null|       S|
|         27|       0|     3|Emir, Mr. Farred ...|  male|null|    0|    0|            2631|  7.225| null|       C|
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
only showing top 20 rows





titanicDFCsv.select(titanicDFCsv.columns.map(c => sum(col(c).isNull.cast("int")).alias(c)): _*).show
/*

scala> titanicDFCsv.select(titanicDFCsv.columns.map(c => sum(col(c).isNull.cast("int")).alias(c)): _*).show
+-----------+--------+------+----+---+---+-----+-----+------+----+-----+--------+
|PassengerId|Survived|Pclass|Name|Sex|Age|SibSp|Parch|Ticket|Fare|Cabin|Embarked|
+-----------+--------+------+----+---+---+-----+-----+------+----+-----+--------+
|          0|       0|     0|   0|  0|177|    0|    0|     0|   0|  687|       2|
+-----------+--------+------+----+---+---+-----+-----+------+----+-----+--------+
*/

//对于数值型变量，既可以使用$"Age" > 21, 也可以使用"Age > 21"
titanicDFCsv.filter($"Age" > 21).show()
/*
scala> titanicDFCsv.filter("Age > 21").show()
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
|PassengerId|Survived|Pclass|                Name|   Sex| Age|SibSp|Parch|          Ticket|   Fare|Cabin|Embarked|
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
|          1|       0|     3|Braund, Mr. Owen ...|  male|22.0|    1|    0|       A/5 21171|   7.25| null|       S|
|          2|       1|     1|Cumings, Mrs. Joh...|female|38.0|    1|    0|        PC 17599|71.2833|  C85|       C|
|          3|       1|     3|Heikkinen, Miss. ...|female|26.0|    0|    0|STON/O2. 3101282|  7.925| null|       S|
|          4|       1|     1|Futrelle, Mrs. Ja...|female|35.0|    1|    0|          113803|   53.1| C123|       S|
|          5|       0|     3|Allen, Mr. Willia...|  male|35.0|    0|    0|          373450|   8.05| null|       S|
|          7|       0|     1|McCarthy, Mr. Tim...|  male|54.0|    0|    0|           17463|51.8625|  E46|       S|
|          9|       1|     3|Johnson, Mrs. Osc...|female|27.0|    0|    2|          347742|11.1333| null|       S|
|         12|       1|     1|Bonnell, Miss. El...|female|58.0|    0|    0|          113783|  26.55| C103|       S|
|         14|       0|     3|Andersson, Mr. An...|  male|39.0|    1|    5|          347082| 31.275| null|       S|
|         16|       1|     2|Hewlett, Mrs. (Ma...|female|55.0|    0|    0|          248706|   16.0| null|       S|
|         19|       0|     3|Vander Planke, Mr...|female|31.0|    1|    0|          345763|   18.0| null|       S|
|         21|       0|     2|Fynney, Mr. Joseph J|  male|35.0|    0|    0|          239865|   26.0| null|       S|
|         22|       1|     2|Beesley, Mr. Lawr...|  male|34.0|    0|    0|          248698|   13.0|  D56|       S|
|         24|       1|     1|Sloper, Mr. Willi...|  male|28.0|    0|    0|          113788|   35.5|   A6|       S|
|         26|       1|     3|Asplund, Mrs. Car...|female|38.0|    1|    5|          347077|31.3875| null|       S|
|         31|       0|     1|Uruchurtu, Don. M...|  male|40.0|    0|    0|        PC 17601|27.7208| null|       C|
|         34|       0|     2|Wheadon, Mr. Edwa...|  male|66.0|    0|    0|      C.A. 24579|   10.5| null|       S|
|         35|       0|     1|Meyer, Mr. Edgar ...|  male|28.0|    1|    0|        PC 17604|82.1708| null|       C|
|         36|       0|     1|Holverson, Mr. Al...|  male|42.0|    1|    0|          113789|   52.0| null|       S|
|         41|       0|     3|Ahlin, Mrs. Johan...|female|40.0|    1|    0|            7546|  9.475| null|       S|
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
only showing top 20 rows

*/


//此处的等号有2个，注意跟"||"、&&结合使用时候等号的差别（有三个等号）
/*
scala> titanicDFCsv.filter("Age == 21").show()
+-----------+--------+------+--------------------+------+----+-----+-----+-----------------+-------+-----+--------+
|PassengerId|Survived|Pclass|                Name|   Sex| Age|SibSp|Parch|           Ticket|   Fare|Cabin|Embarked|
+-----------+--------+------+--------------------+------+----+-----+-----+-----------------+-------+-----+--------+
|         38|       0|     3|Cann, Mr. Ernest ...|  male|21.0|    0|    0|       A./5. 2152|   8.05| null|       S|
|         52|       0|     3|Nosworthy, Mr. Ri...|  male|21.0|    0|    0|       A/4. 39886|    7.8| null|       S|
|         57|       1|     2|   Rugg, Miss. Emily|female|21.0|    0|    0|       C.A. 31026|   10.5| null|       S|
|         73|       0|     2|Hood, Mr. Ambrose Jr|  male|21.0|    0|    0|     S.O.C. 14879|   73.5| null|       S|
|        103|       0|     1|White, Mr. Richar...|  male|21.0|    0|    1|            35281|77.2875|  D26|       S|
|        107|       1|     3|Salkjelsvik, Miss...|female|21.0|    0|    0|           343120|   7.65| null|       S|
|        116|       0|     3|Pekoniemi, Mr. Ed...|  male|21.0|    0|    0|STON/O 2. 3101294|  7.925| null|       S|
|        121|       0|     2|Hickman, Mr. Stan...|  male|21.0|    2|    0|     S.O.C. 14879|   73.5| null|       S|
|        174|       0|     3|Sivola, Mr. Antti...|  male|21.0|    0|    0|STON/O 2. 3101280|  7.925| null|       S|
|        392|       1|     3|Jansson, Mr. Carl...|  male|21.0|    0|    0|           350034| 7.7958| null|       S|
|        403|       0|     3|Jussila, Miss. Ma...|female|21.0|    1|    0|             4137|  9.825| null|       S|
|        409|       0|     3|Birkeland, Mr. Ha...|  male|21.0|    0|    0|           312992|  7.775| null|       S|
|        422|       0|     3| Charters, Mr. David|  male|21.0|    0|    0|       A/5. 13032| 7.7333| null|       Q|
|        437|       0|     3|"Ford, Miss. Dool...|female|21.0|    2|    2|       W./C. 6608| 34.375| null|       S|
|        492|       0|     3| Windelov, Mr. Einar|  male|21.0|    0|    0| SOTON/OQ 3101317|   7.25| null|       S|
|        495|       0|     3|Stanley, Mr. Edwa...|  male|21.0|    0|    0|        A/4 45380|   8.05| null|       S|
|        502|       0|     3| Canavan, Miss. Mary|female|21.0|    0|    0|           364846|   7.75| null|       Q|
|        624|       0|     3|Hansen, Mr. Henry...|  male|21.0|    0|    0|           350029| 7.8542| null|       S|
|        625|       0|     3|"Bowen, Mr. David...|  male|21.0|    0|    0|            54636|   16.1| null|       S|
|        628|       1|     1|Longley, Miss. Gr...|female|21.0|    0|    0|            13502|77.9583|   D9|       S|
+-----------+--------+------+--------------------+------+----+-----+-----+-----------------+-------+-----+--------+
only showing top 20 rows
*/





//对字符型变量进行过滤
scala> titanicDFCsv.filter($"Cabin".equalTo("E101")).show()
+-----------+--------+------+--------------------+------+----+-----+-----+------+-----+-----+--------+
|PassengerId|Survived|Pclass|                Name|   Sex| Age|SibSp|Parch|Ticket| Fare|Cabin|Embarked|
+-----------+--------+------+--------------------+------+----+-----+-----+------+-----+-----+--------+
|        124|       1|     2| Webber, Miss. Susan|female|32.5|    0|    0| 27267| 13.0| E101|       S|
|        304|       1|     2| Keane, Miss. Nora A|female|null|    0|    0|226593|12.35| E101|       Q|
|        718|       1|     2|"Troutt, Miss. Ed...|female|27.0|    0|    0| 34218| 10.5| E101|       S|
+-----------+--------+------+--------------------+------+----+-----+-----+------+-----+-----+--------+


//逻辑连接符 &&（并）、||（或）
/*
scala> titanicDFCsv.filter($"Cabin".equalTo("E101")&&$"Age">21).show()
+-----------+--------+------+--------------------+------+----+-----+-----+------+----+-----+--------+
|PassengerId|Survived|Pclass|                Name|   Sex| Age|SibSp|Parch|Ticket|Fare|Cabin|Embarked|
+-----------+--------+------+--------------------+------+----+-----+-----+------+----+-----+--------+
|        124|       1|     2| Webber, Miss. Susan|female|32.5|    0|    0| 27267|13.0| E101|       S|
|        718|       1|     2|"Troutt, Miss. Ed...|female|27.0|    0|    0| 34218|10.5| E101|       S|
+-----------+--------+------+--------------------+------+----+-----+-----+------+----+-----+--------+
*/


//统计Cabin取值为"E101"且Age取值为27的记录
/*
scala> titanicDFCsv.filter($"Cabin".equalTo("E101")&&$"Age"===27.0).show()
+-----------+--------+------+--------------------+------+----+-----+-----+------+----+-----+--------+
|PassengerId|Survived|Pclass|                Name|   Sex| Age|SibSp|Parch|Ticket|Fare|Cabin|Embarked|
+-----------+--------+------+--------------------+------+----+-----+-----+------+----+-----+--------+
|        718|       1|     2|"Troutt, Miss. Ed...|female|27.0|    0|    0| 34218|10.5| E101|       S|
+-----------+--------+------+--------------------+------+----+-----+-----+------+----+-----+--------+
*/


//统计Cabin取值为"E101"或Age取值为27的记录，注意数值型变量有三个等号
/*
scala> titanicDFCsv.filter($"Cabin".equalTo("E101")||$"Age"===27.0).show()
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
|PassengerId|Survived|Pclass|                Name|   Sex| Age|SibSp|Parch|          Ticket|   Fare|Cabin|Embarked|
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
|          9|       1|     3|Johnson, Mrs. Osc...|female|27.0|    0|    2|          347742|11.1333| null|       S|
|         42|       0|     2|Turpin, Mrs. Will...|female|27.0|    1|    0|           11668|   21.0| null|       S|
|        124|       1|     2| Webber, Miss. Susan|female|32.5|    0|    0|           27267|   13.0| E101|       S|
|        147|       1|     3|"Andersson, Mr. A...|  male|27.0|    0|    0|          350043| 7.7958| null|       S|
|        217|       1|     3|Honkanen, Miss. E...|female|27.0|    0|    0|STON/O2. 3101283|  7.925| null|       S|
|        222|       0|     2|Bracken, Mr. James H|  male|27.0|    0|    0|          220367|   13.0| null|       S|
|        304|       1|     2| Keane, Miss. Nora A|female|null|    0|    0|          226593|  12.35| E101|       Q|
|        322|       0|     3|    Danoff, Mr. Yoto|  male|27.0|    0|    0|          349219| 7.8958| null|       S|
|        378|       0|     1|Widener, Mr. Harr...|  male|27.0|    0|    2|          113503|  211.5|  C82|       C|
|        552|       0|     2|Sharp, Mr. Perciv...|  male|27.0|    0|    0|          244358|   26.0| null|       S|
|        608|       1|     1|Daniel, Mr. Rober...|  male|27.0|    0|    0|          113804|   30.5| null|       S|
|        621|       0|     3| Yasbeck, Mr. Antoni|  male|27.0|    1|    0|            2659|14.4542| null|       C|
|        682|       1|     1|  Hassab, Mr. Hammad|  male|27.0|    0|    0|        PC 17572|76.7292|  D49|       C|
|        718|       1|     2|"Troutt, Miss. Ed...|female|27.0|    0|    0|           34218|   10.5| E101|       S|
|        725|       1|     1|Chambers, Mr. Nor...|  male|27.0|    1|    0|          113806|   53.1|   E8|       S|
|        805|       1|     3|Hedman, Mr. Oskar...|  male|27.0|    0|    0|          347089|  6.975| null|       S|
|        822|       1|     3|   Lulic, Mr. Nikola|  male|27.0|    0|    0|          315098| 8.6625| null|       S|
|        824|       1|     3|  Moor, Mrs. (Beila)|female|27.0|    0|    1|          392096| 12.475| E121|       S|
|        867|       1|     2|Duran y More, Mis...|female|27.0|    1|    0|   SC/PARIS 2149|13.8583| null|       C|
|        887|       0|     2|Montvila, Rev. Ju...|  male|27.0|    0|    0|          211536|   13.0| null|       S|
+-----------+--------+------+--------------------+------+----+-----+-----+----------------+-------+-----+--------+
*/


//统计Cabin取值为空或Age取值为空的记录
/*
scala> titanicDFCsv.filter($"Cabin".isNull||$"Age".isNull).count()
res47: Long = 706
*/

转载于:https://my.oschina.net/kyo4321/blog/2994649

weixin_34417183
关注
第27篇：数据集的选择与处理：从零基础到专业实践
Gemini的博客
07-11 120
在机器学习和深度学习项目中，数据集的选择与处理是至关重要的一环。优质的数据集是构建高性能模型的基石，而数据预处理与清洗则是确保模型能够从数据中有效学习的关键步骤。本文将详细讲解如何选择合适的数据集，并介绍数据预处理与清洗的方法。通过具体的Python代码示例和详细的原理讲解，帮助零基础读者更好地理解这些概念和技术。
titanic.csv
11-29
数据分析常用实例， 经典的泰坦尼克数据集。如果你想更方便快捷地了解数据的全貌，泣血推荐一个python库：pandas_profiling，这个库只需要一行代码就可以生成数据EDA报告。pandas_profiling基于pandas的DataFrame数据类型，可以简单快速地进行探索性数据分析。
kaggle数据挖掘竞赛初步--Titanic<原始数据分析&缺失值处理>
dichuqi8803的博客
03-20 279
Titanic是kaggle上的一道just for fun的题，没有奖金，但是数据整洁，拿来练手最好不过啦。 这道题给的数据是泰坦尼克号上的乘客的信息，预测乘客是否幸存。这是个二元分类的机器学习问题，但是由于数据样本相对较少，在当时慌乱的情况下幸存者有一定的随机性，还是有一定挑战的。https://www.kaggle.com/c/titanic-gettingStarted/ ...
titanic.csv 泰坦尼克号获救数据两个
03-08
titanic.csv以及titanic_train.csv 泰坦尼克号获救数据两个，两个文件， 特征不太一样
Titanic机器学习——如何处理缺失值
Ryan-Yu的博客
07-18 552
解决缺失值
titanic乘客简单的数据分析（matplotlib和seaborn 的使用）
u011444756的博客
05-30 4064
数据来源：kaggle的Titanic 生存模型：titanic_train.csv。引入的库：import numpy as np import pandas as pd import sys reload(sys) sys.setdefaultencoding('gbk') import matplotlib.pyplot as plt import seaborn as sns数据分析：读取...
多个大数据学习模拟数据集地址
04-26
例如，Kaggle是一个知名的数据科学竞赛平台，提供多种领域的公开数据集，适合进行机器学习模型的训练和比较。UCI Machine Learning Repository也是一个宝贵的资源库，包含大量用于教学和研究的小型数据集。 对于...
kaggle——泰坦尼克数据集
热门推荐
taichitaichi的博客
06-26 2万+
1.问题描述RMS泰坦尼克号的沉没是历史上最臭名昭着的沉船之一。1912年4月15日，在首次航行期间，泰坦尼克号撞上冰山后沉没，2224名乘客和机组人员中有1502人遇难。这场轰动的悲剧震撼了国际社会，并导致了更好的船舶安全条例。海难导致生命损失的原因之一是没有足够的救生艇给乘客和机组人员。虽然幸存下来的运气有一些因素，但一些人比其他人更有可能生存，比如妇女，儿童和上层阶级。在这个挑战中，我们要求...
27 - Titanic 乘客生存决策树预测
最新发布
02-19
我们需要处理缺失值，可以选择填充、删除或用统计方法估计。对于分类变量，如“性别”，可能需要进行编码。此外，异常值也可能需要处理，以免影响模型训练。 4. **特征选择** 特征选择对模型性能至关重要。我们...
python 数据挖掘入门与实践 代码下载
05-21
这些数据集可能是公开的，如Iris花数据集用于分类问题，Titanic数据集用于生存预测，或者波士顿房价数据集用于回归任务。通过真实的数据进行练习，可以帮助读者更好地理解数据挖掘的实际应用，同时也能让他们熟悉...
泰坦尼克数据集（titanic.csv）
04-02
泰坦尼克号2201人员的csv数据集。 主要特征有：PassengerId、Pclass、Name 、Sex、Age 、SibSp、 Parch、Ticket 、Fare 、Cabin 、Embarked
python处理csv中的空值方法
12-25
如下所示： # -*- coding: UTF-8 -*- import jieba.posseg import tensorflow as tf import pandas as pd import csv import math """ 1.必須獲取CSV文件夾（ID：文本） 2.返回(ID：分词后的文本) """ flags = tf.app.flags flags.DEFINE_string("train_file_address","D:/NLPWORD/cut_word_test/hzytest.csv","添加训练数据文件") flags.DEFINE_string("resu
Titanic_SparkMl_Train.csv
09-13
预测Titanic 号上的乘客生存概率，是一个二分类问题，所以我们可以使用二分类来分解。通过Spark 机器学习库中线性SVM 、Logistic回归、决策树、随机森林、梯度提升树来预测。
titanic_dataset.csv（泰坦尼克数据集）
01-05
Abstract The titanic dataset gives the values of four categorical attributes for each of the 2201 people on board the Titanic when it struck an iceberg and sank. The attributes are social class (first class, second class, third class, crewmember), age (adult or child), sex, and whether or not the person survived. Data Description Origin: natural Usage: assessment Number of attributes: 4 Number of cases: 2,201 Number of prototasks: 1 Number of methods run on this dataset: 3 Contributed by: Radford Neal
机器学习数据分析各种csv titanic_train.csv+UNRATE.csv+LogiReg_data.txt+creditcard.csv
04-19
train.csv+UNRATE.csv+LogiReg_data.txt+creditcard.csv+fandango_score_comparison.csv+big.txt
Scala实现逻辑回归分类，Titanic
u013240812的专栏
10-31 1396
1.读取文件 import scala.io.Source object myfirst { //titanic,LR def main(args: Array[String]) { val data= Source.fromFile("D:\\IDEA\\_01\\train.csv") data.foreach(print) } } import or
泰坦尼克号沉船数据分析与可视化、数据建模与分类预测【Python | 机器学习-Sklearn】
xi
08-04 1万+
程序员的七夕：scikit-learn 分类 + seaborn + matplotlib + pandas +numpy，带你感受数据之美
实验六：泰坦尼克生存预测之缺失值处理
12-08 3517
一、任务描述 背景故事： 泰坦尼克号（RMS Titanic），又译作铁达尼号，是英国白星航运公司下辖的一艘奥林匹克级游轮，排水量46000吨，于1909年3月31日在北爱尔兰贝尔法斯特港的哈兰德与沃尔夫造船厂动工建造，1911年5月31日下水，1912年4月2日完工试航。泰坦尼克号是当时世界上体积最庞大、内部设施最豪华的客运轮船，有“永不沉没”的美誉 。然而不幸的是，在它的处女航中，泰坦尼克号便遭厄运——它从英国南安普敦出发，途经法国瑟堡-奥克特维尔以及爱尔兰科夫(Cobh)，驶向美国纽约。1912年
Kaggle 泰坦尼克号生存分析(数据概览和缺失值处理部分）
小不点的博客
12-18 6260
Kaggle 泰坦尼克号生存分析 数据概览 #导入pandas库方便数据读取和预处理，导入os库方便修改工作路径 import os import pandas as pd #读取数据 os.chdir("F:/titianic_data") train = pd.read_csv("raw/train.csv") test = pd.read_csv("raw/test.csv") trai...
如何对titanic数据集进行pandas预处理
05-27
5. 数据聚合：对分组后的数据进行求和、计数、平均值等统计操作。 ```python # 求每个船票等级的平均年龄 grouped['Age'].mean() ``` 6. 数据合并：将多个数据集按照指定的列进行合并。 ```python # 合并两个数据...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值