python泰坦尼克号生存预测

缺失值分析处理

可视化&数据分析

代码

1. importnumpyasnp
2. importpandasaspd
3. importmatplotlib.pyplotasplt
4. importseabornassns
5. importwarnings
6. warnings.filterwarnings('ignore')
7. 
   
8. train = pd.read_csv("train.csv")
9. test = pd.read_csv("test.csv")
10. gender= pd.read_csv("gender.csv")
11. print(train.head())
12. print(test.head())
13. print(gender.head())
14. 
    
15. data=pd.concat([train,test],ignore_index=True)
16. data
17. 
    
18. print(data.info())
19. 
    
20. print(data.isnull().sum())#Cabin缺失数据较多，可直接删除
21. 
    
22. data.describe()#查看年龄统计数据数据，使用年龄的平均值填充空白值
23. 
    
24. data.Age=data.Age.fillna(data.Age.mean())#用平均值填充年龄
25. data
26. 
    
27. data[data.Fare.isnull()]
28. 
    
29. data.Fare=data.Fare.fillna(data[(data.Embarked =='S')&(data.Pclass ==3)].Fare.median())
30. 
    
31. data[data.Embarked.isnull()]
32. 
    
33. data.groupby(by=['Pclass','Embarked']).Fare.median()
34. 
    
35. data.groupby(by=['Pclass','Embarked']).Survived.count()
36. 
    
37. data.Embarked=data.Embarked.fillna('C')
38. 
    
39. data.iloc[61]
40. 
    
41. data=data.drop('Cabin',axis=1)#Cabin数据缺失将近70%，删除Cabin列。
42. data
43. 
    
44. print(data.isnull().sum())
45. 
    
46. sns.barplot(x='Pclass',y='Survived',data=data)
47. 
    
48. plt.subplots(figsize=(15,8))
49. sns.kdeplot(data.loc[(data['Survived']==0),'Pclass'],shade=True,color='red',label='Not Survived')
50. sns.kdeplot(data.loc[(data['Survived']==1),'Pclass'],shade=True,color='blue',label='Survived')
51. labels=['1','2','3']
52. plt.xticks(sorted(data.Pclass.unique()),labels)
53. plt.show()
54. 
    
55. sns.barplot(x='Sex',y='Survived',data=data)#女性生存数量大于男性
56. 
    
57. sns.barplot(x='Parch',y='Survived',data=data)
58. 
    
59. sns.barplot(x='SibSp',y='Survived',data=data)
60. 
    
61. sns.barplot(x='Embarked',y='Survived',data=data)
62.