泰坦尼克号数据_数据挖掘经典实例——泰坦尼克号幸存者预测

泰坦尼克号幸存者预测是kaggle上一个较为经典的数据分析案例，之前做了这个案例，今天向大家分享一下自己的学习笔记。

小伙伴注意了，本次实例分为两部分，第一部分（也就是本篇）我们会用我们之前使用过的一些数据挖掘方法来对数据集进行探索，并进行幸存者预测；第二部分（下篇）我们会使用机器学习的内容，利用分类树模型来进行幸存者预测。

数据集来源：

为了让部分没看过《泰坦尼克号》这部电影的小伙伴也能对数据背景有一个基本认识，我们简单概括一下背景：

泰坦尼克号的沉没是世界上最严重的海难事故之一，造成了大量的人员伤亡。这是一艘号称当时世界上最大的邮轮，船上的人年龄各异，背景不同，有贵族豪门，也有平民旅人，邮轮撞击冰山后，船上的人马上采取措施安排救生艇转移人员，从本次海难中存活下来的，也就是幸存者。

而这也引出了我们今天的主题：通过挖掘数据中的关键信息来预测一下哪些人可能成为幸存者。

下面，正文开始~

一、数据导入及基本了解

import numpy as np
import pandas as pd
df = pd.read_csv(r'C:UsersAdministratorDesktopdata.csv',encoding='utf-8')

为了方便，我们将等会可能需要用到的库一并导入：

from matplotlib import pyplot as plt
%matplotlib inline
plt.style.use('fivethirtyeight')
import seaborn as sns
sns.set()
import warnings
warnings.filterwarnings('ignore')

1、查看前10行数据

df.head(10)

2、查看数据大小

df.shape

可以看到，我们的数据集有891个样本，12个特征。

3、查看特征

df.info()

其中，

Survived：代表是否幸存，0否，1是

Pclass：船舱等级，1最好，2次之，3最后

Sib