Titanic Tutorial by Alexis Cook

学习连接：Titanic Tutorial | Kaggle

women=train.loc[train.Sex=='female']

women=train.loc[train.Sex=='female']['Survived']

第一个是过滤原表，只保留sex=female的所有行。列数不变，变的是行数减少了。

第二个是在原来的基础上，只保留Survived这列。

os.getcwd()
os.listdir()

os这个module 会经常用到，涉及到文件 或目录。

women.count()
len(women) 

两个命令返回相同结果。

count()用来查询一共有多少非null值的行

rate_women=sum(women)/len(women) 

前面women返回的是为0或1的记录，用sum（）算出为1的数量。

之所以不用women.count() 而用sum(women)，因为count会把值为0的记录也包括在内。

features=["Pclass", "Sex", "SibSp", "Parch"]
X=pd.get_dummies(train[features])

# 不可以：
X=pd.get_dummies(train.features)
# 也不可以
X=pd.get_dummies(train.loc[features])

# 都可以 
output=pd.DataFrame({'PassengerId:train.PassengerId})
output=pd.DataFrame({'PassengerId:train['PassengerId']})

print('the percentage of women survival is:', women_rate)

X=pd.get_dummies(data[features])

pd.get_dummies: Convert categorical variable into dummy/indicator variables.

# model： 首先，注明model 
# model.fit() 然后，用train data 的 X y 训练模型
# model.predict() 最后，用test data 的 X predict output

model=RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1)
model.fit(X,y)
predictions=model.predict(X_test)

# 生成 prediction output 
output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions})

# 保存output
output.to_csv('submission.csv', index=False)