泰坦尼克号数据集_分类树预测经典实例——泰坦尼克号幸存者预测

泰坦尼克号幸存者预测是kaggle上一个较为经典的数据分析案例，之前做了这个案例，今天向大家分享一下自己的学习笔记。

数据集来源：

https://www.kaggle.com/c/titanic​www.kaggle.com

为了让部分没看过《泰坦尼克号》这部电影的小伙伴也能对数据背景有一个基本认识，我们简单概括一下背景：

泰坦尼克号的沉没是世界上最严重的海难事故之一，造成了大量的人员伤亡。这是一艘号称当时世界上最大的邮轮，船上的人年龄各异，背景不同，有贵族豪门，也有平民旅人，邮轮撞击冰山后，船上的人马上采取措施安排救生艇转移人员，从本次海难中存活下来的，也就是幸存者。

在上一篇中，我们通过数据挖掘，得出了一些与获救率有关的结论，感兴趣的同学可以回顾一下：

侦探L：数据挖掘经典实例——泰坦尼克号幸存者预测​zhuanlan.zhihu.com

今天我们采用另一种方法——决策树来进行幸存者预测。

下面，正文开始~

---

一、数据导入及基本了解

import numpy as np
import pandas as pd
df = pd.read_csv(r'C:UsersAdministratorDesktopdata.csv',encoding='utf-8')

1、查看前10行数据

df.head(10)

2、查看数据大小

df.shape

可以看到，我们的数据集有891个样本，12个特征。

3、查看特征

df.info()

其中，

Survived：代表是否幸存，0否，1是

Pclass：船舱等级，1最好，2次之，3最后

SibSp：该名乘客上船后，与其一起同行上船的兄弟姐妹的个数

Parch：该名乘客上船后，与其一起同行上船的家里的老人与孩子的个数

Ticket：船票编号

Fare：船票价格

Cabin：该名乘客在船舱内的编号

Embarked：该名乘客登船的码头，有三个：S、C、Q三个码头。

4、查看数据缺失情况

df.isnull().sum()