kaggle实战——titanic分析

kaggle实战——titanic分析

一、数据集获取

登陆kaggle账号（注册流程），点击compete-All Competitions-选择all categories中的get started-在选择inclass，找到titanic案例。

二、数据集介绍

（一）下载数据集内容

有三个文件：train.csv,test.csv,gender_Submission.csv

第一个数据集是用于数据训练模型，当模型训练好之后，利用数据集二进行预测，最后提交预测的数据。最后一个数据集为提交示范，表示以性别预测船员存活的最终结果，我们可以添加其他特征变量使其更加精准。

（二）数据字段分析

可直接参见kaggle数据集的字段说明，英文并不是很复杂，可直接看，我就不翻译了。


三、数据可视化分析与特征选择

import pandas as pd
import matplotlib.pyplot as plt
train=pd.read_csv(r'C:\Users\lamiazhou\Desktop\python\project\titanic\train.csv')
test=pd.read_csv(r'C:\Users\lamiazhou\Desktop\python\project\titanic\test.csv')
print(train.info())
print("_________"*2)
print(test.info())

0   PassengerId  891 non-null    int64  
 1   Survived     891 non-null    int64  
 2   Pclass       891 non-null    int64  
 3   Name         891 non-null    object 
 4   Sex          891 non-null    object 
 5   Age          714 non-null    float64
 6   SibSp        891 non-null    int64  
 7   Parch        891 non-null    int64  
 8   Ticket       891 non-null    object 
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object 
 11  Embarked     889 non-null    object 
__________________
 0   PassengerId  418 non-null    int64  
 1   Pclass       418 non-null    int64  
 2   Name         418 non-null    object 
 3   Sex          418 non-null    object 
 4   Age          332 non-null    float64
 5   SibSp        418 non-null    int64  
 6   Parch        418 non-null    int64  
 7   Ticket       418 no