Python数据分析案例篇（一）泰坦尼克号数据分析

Python泰坦尼克生还预测

Kaggle Titanic 数据分析案例

背景介绍
20世纪初，由英国白星航运公司制造的一艘巨大豪华客轮。是当时世界上最大的豪华客轮，被称为是“永不沉没的”或是“梦幻客轮”。
泰坦尼克号是人类的美好梦想达到顶峰时的产物，反映了人类掌握世界的强大自信心。她的沉没，向人类展示了大自然的神秘力量，以及命运的不可预测。到泰坦尼克号沉没那天为止，西方世界的人们已经享受了100年的安稳和太平。科技稳定地进步，工业迅速地发展，人们对未来信心十足。泰坦尼克号的沉没惊醒了这一切。这艘“永不沉没的轮船”——埃菲尔铁塔之后最大的人工钢铁构造物，工业时代的伟大成就，因为对自然的威力掉以轻心，满不在乎，所以在第一次处女航中就沉没了。泰坦尼克号将永远让人们牢记人类的傲慢自信所付出的代价。人们永远也忘不了这幅画面：泰坦尼克号在海底昂着头，残破和污迹也掩盖不了她的高贵。这就是她的归宿。历史就这样演变成了传奇。
好的，不要被开头这段迷惑，这真的是个不太正经的分析
分析目标（别被博主骗了，他就分析了几个简单的）
根据官方给出的数据分析各个属性间的关系
数据来源（完全可以百度网盘见）
https://www.kaggle.com/c/titanic
或者在我的资源里下载
数据说明
数据预处理

>     import pandas as pd
>     import numpy as np
>     import matplotlib.pyplot as plt
>
>     train=pd.read_csv('/Users/a/Desktop/Titanic/train.csv')
>     test=pd.read_csv('/Users/a/Desktop/Titanic/test.csv')

#1.数据概览

> print(train.head())
> print('--------------------------------------------')
> print(test.head()) print('数据维度为：',train.shape,'  ',test.shape)
> print('--------------------------------------------')
> print('train.csv字段名为：',train.info())
> print('test.csv字段名为：',test.info())

#2.数据清洗

train_a=train.loc[:,[‘PassengerId’,‘Survived’,‘Pclass’,‘Sex’,‘Age’,‘SibSp’,‘Parch’,‘Fare’]]
test_a=test.loc[:,[‘PassengerId’,‘Pclass’,‘Sex’,‘Age’,‘SibSp’,‘Parch’,‘Fare’]]
print(’------------------------------------’) print(train_a.head())
print(test_a.head()) print("------------------------------------")
print(test_a.info()) print(train_a.info())

#填补空值，重点，敲黑板，由于实际统计时，部分信息无法采集，会出现"空值"，在数据预处理时，我们会用填充空值，例如我们要建立与年龄字段’Age’相关的模型，就对"Age"中的空白字段进行填充

median_age=train_a[‘Age’].median()#这里取中位数，Q1：为什么不取平均值？：平均数反映的是一组数据的平均情况，容易受到个别极端值到影响；与之相比中位数反映了一组数据到一般情况，不受个别极端值影响
print(median_age)#这里计算出到值为28.0
train_a.loc[train_a[‘Age’].isnull(),‘Age’]=median_age#前面行中传入到参数表示空值，后面代表’Age’列，这一步我们将中位数填入空值
median_age2=test_a[‘Age’].median()
test_a.loc[test_a[‘Age’].isnull(),‘Age’]=median_age2

Fare=train_a[‘Fare’].mode()#取众数，填充Fare空值，为什么这里又取众数呢？票价缺失只占很小的一部分，个人理解，票价要精确到个人
Fare2=test_a[‘Fare’].mode()
train_a.loc[train_a[‘Fare’].isnull(),‘Fare’]=Fare
test_a.loc[test_a[‘Fare’].isnull(),‘Fare’]=Fare2 print(test_a.info)
print(train_a.info)

#修改数据类型,为了方便统计，我们先查看数据类型，发现Sex为object（字符串），这里我们将其转换成整型

print(train_a.dtypes) print(’--------------------’)
print(test_a.dtypes)
test_a[‘Sex’]=test_a[‘Sex’].map({‘male’:1,‘female’:0}).astype(int)
train_a[‘Sex’]=train_a[‘Sex’].map({‘male’:1,‘female’:0}).astype(int)
print(test_a.head()) print(train_a.head())

#处理完数据后，我们发现，数据中部分列可以合并，这里就需要我们进行数据重构

test_a[‘f_size’]=test_a.loc[:,‘SibSp’]+test_a.loc[:,‘Parch’]+1

train_a[‘f_size’]=train_a.loc[:,‘SibSp’]+train_a.loc[:,‘Parch’]+1
train_a[‘Single’]=0 test_a[‘Single’]=0
train_a.loc[train_a[‘f_size’]==1,‘Single’]=1
test_a.loc[test_a[‘f_size’]==1,‘Single’]=1
train_f=train_a.loc[:,[‘PassengerId’,‘Survived’,‘Pclass’,‘Sex’,‘Age’,‘Parch’,‘Fare’,‘f_size’,‘Single’]]
test_f=test_a.loc[:,[‘PassengerId’,‘Pclass’,‘Sex’,‘Age’,‘SibSp’,‘Parch’,‘Fare’,‘f_size’,‘Single’]]
print(test_f.head) print(train_f.head)

#作为单身狗，我还是比较关心，单身与存活率到关系，所以，先从这里开始分析

d=train_f[[‘Single’,‘Survived’]].groupby([‘Single’]).mean() print(d)
plt.bar([0,1],
[1-d.loc[0,‘Survived’],1-d.loc[1,‘Survived’]],
0.5,
color=‘green’,
alpha=0.5,
) plt.xticks([0,1],[‘not_alone’,‘Single’]) plt.show()

结果一目了然，单身存活率高，原因我想看过泰坦尼克号的人都知道，全在船头看Jack和Rose秀恩爱了，忘记要跑了，结论秀恩爱死得快！！！

#性别和生存率

m=train_f[[‘Sex’,‘Survived’]].groupby([‘Sex’]).mean() plt.bar([0,1],
[1-m.loc[0,‘Survived’],1-m.loc[1,‘Survived’]],
0.5,
color=‘blue’,
alpha=0.9,
) plt.xticks([0,1],[‘female’,‘male’]) plt.show()

#下面我们看看船舱等级和生还率的关系

c = train_f[[‘Pclass’, ‘Survived’]].groupby([‘Pclass’]).mean()
plt.bar(
[0,1,2],
[1-c.loc[1,‘Survived’],1-c.loc[2,‘Survived’],1-c.loc[3,‘Survived’]],
0.5,
color=‘r’,
alpha=0.7 )

plt.xticks([0,1,2],[1,2,3]) plt.show()

三等舱存活率最高，所以啊不要被万恶的资本主义腐蚀，人家三等舱还真就生存率高，生命力顽强。

emmmm依然是那个希望被赞然后肯定没人赞的菜?博主，不会唱跳rap篮球，只会没事写篇文章记录自学过程

Python数据分析案例篇（一）泰坦尼克号数据分析相关推荐

Python数据分析案例08——预测泰坦尼克号乘员的生存(机器学习全流程)
上一篇数据分析案例是回归问题,本次案例带来分类问题的机器学习案例.这个数据集比上个案例更小.更简单,代码也不复杂,新手都可以学一学. 1.背景分析预测乘客是否存活下来泰坦尼克号是数据科学机器学习 ...
python数据分析案例分析题_Python数据分析-案例分析
星火:Python数据分析基础zhuanlan.zhihu.com 两个学习道具: 1)这个网页可以调用全球最大的搜索引擎(长按此处可以复制): 事先准备: 在notebook中想要导入Excel文 ...
数据分析案例 - 电商行业数据分析
数据分析案例--电商指标的实际应用
数据分析案例--天猫订单分析数据分析的一般过程数据来源及内容天猫订单分析过程数据分析的一般过程明确项目背景,待解决的问题 : 分析逻辑,画出逻辑树,明确分析过程中的指标 : 提数分析,同时进 ...
python商业数据分析_Python数据分析案例—商圈客流量特征分析
这是 python 数据分析案例系列的第二篇,主要是聚类分析,实现起来较为简单.后续还会继续更新,欢迎关注交流! 在处理实际的数据分析案例时,我们面临的往往是比较复杂的研究对象,如果能把相似的样品(或 ...
Python实战案例：旅游方面博文的数据分析
Python实战案例:旅游方面博文的数据分析一.旅游方面博文数据展示数据分析的出现便利了每个人,企业,竞争者.在以前的时候,如果想要了解市场的动向,就设计了调查问卷或者现场采访的方式,以至于被很多 ...
Python技术栈与Spark交叉数据分析双向整合技术实战--大数据ML样本集案例实战
版权声明:本套技术专栏是作者(秦凯新)平时工作的总结和升华,通过从真实商业环境抽取案例进行总结和分享,并给出商业应用的调优建议和集群环境容量规划等内容,请持续关注本套博客.QQ邮箱地址:1120746 ...
python数据分析实战案例-Python数据分析案例实战
原标题:Python数据分析案例实战至今我们网站已经开设了多个数据分析系列的课程,大部分都是基于算法思路来开展的,课程中着重点在于算法的讲授.软件的使用,案例只是辅助学习.然而很多学员反映,希望可以 ...
python数据录入_Re:从零开始的Python数据分析(实战篇）
"数据分析",这是一个大家都不陌生的词.相信大家一定都知道Excel表格(至少学校里信息课肯定教过),它就是一个数据可视化分析工具.但我们今天所要使用的是大名鼎鼎的: Python ...
利用python进行数据分析数据集_《利用Python进行数据分析》终章·数据分析案例·学习笔记(二)...
一.第14章数据分析案例本书正文的最后一章,我们来看一些真实世界的数据集.对于每个数据集,我们会用之前介绍的方法,从原始数据中提取有意义的内容.展示的方法适用于其它数据集,也包括你的.本章包含了一 ...

Python数据分析案例篇（一）泰坦尼克号数据分析

Python泰坦尼克生还预测

Python数据分析案例篇（一）泰坦尼克号数据分析相关推荐

最新文章

热门文章