Kaggle比赛入门----泰坦尼克幸存几率预测

import pandas as pd 
import matplotlib.pyplot as plt 

train_data = pd.read_csv("../titanic/titanic/train.csv")
fig = plt.figure()
fig.set(alpha = 0.2) #设定图表颜色alpha参数

plt.subplot2grid((3,3),(0,0)) #在一张大图里分列几个小图
train_data.Survived.value_counts().plot(kind='bar')# 柱状图
plt.title(u"获救情况(1为获救)")# 标题
plt.ylabel(u"人数")

plt.subplot2grid((3,3),(0,1)) 
train_data.Sex.value_counts().plot(kind='bar')
plt.title(u"性别分布(female为女)")# 标题
plt.ylabel(u"性别")

plt.subplot2grid((3,3),(0,2))
train_data.Pclass.value_counts().plot(kind="bar")
plt.title(u"乘客等级分布")
plt.ylabel(u"人数")

plt.subplot2grid((3,3),(1,0))
plt.scatter(train_data.Survived,train_data.Age)
plt.ylabel(u"年龄")
plt.grid(b=True,which='major',axis='y')
plt.title(u"按年龄看获救分布（1为获救）")

plt.subplot2grid((3,3),(1,1),colspan=2)
train_data.Age[train_data.Pclass==1].plot(kind="kde")
train_data.Age[train_data.Pclass==2].plot(kind='kde')
train_data.Age[train_data.Pclass==3].plot(kind='kde')
plt.xlabel(u"年龄")
plt.ylabel(u"密度")
plt.title(u"各等级的乘客年龄分布")
plt.legend((u'头等舱',u'2等舱',u'3等舱'),loc='best')

plt.subplot2grid((3,3),(2,0))
train_data.Embarked.value_counts().plot(kind='bar')
plt.title(u"各登船口岸上船人数")
plt.ylabel(u"人数")


plt.show()

 

预分析原始数据

 

特征工程部分：

pandas是常用的Python数据处理包，把csv文件读入成dataframe各式

对比dataframe格式与csv格式如下图

dataframe:

csv:

 

参考文献：https://blog.csdn.net/guoxinian/article/details/73740746