分析泰坦尼克号数据集的最佳方法

Question

我正在尝试处理泰坦尼克号数据集 (dataset)，我想知道最好的阵容是什么。 我在想：

• 显示数据
• 数据信息
• 删除空值
• 数据信息再次
• 男性/女性存活直方图
• 按年龄划分的男性/女性存活率直方图（看看 3 岁的女孩是否比成年男性有更多的存活机会）
• 按社会经济阶层划分的幸存者直方图（阶层越低是否意味着生存机会越低？）

我还能分析哪些其他参数？

Answer 1

显示数据信息后，您可以继续估算年龄列。您可以通过用总体平均值填充空值来执行此操作，也可以找到每个乘客类别的平均年龄值。

def impute_age_passenger_class(data):
    Age = data[0]
    PClass = data[2]
    
    if pd.isnull(AgeP):

        if Pclass == 1:
            return 37
        elif Pclass == 2:
            return 29
        else:
            return 24

    else:
        return Age

那么（假设数据集存储在名为“train”的数据框中）：

train['Age'] = train[['Age','Pclass']].apply(impute_age,axis=1)

您还可以将分类值转换为数据集中的虚拟变量：

sex = pd.get_dummies(train['Sex'],drop_first=True)
embark = pd.get_dummies(train['Embarked'],drop_first=True)
train.drop(['Sex','Embarked','Name','Ticket'],axis=1,inplace=True)
train = pd.concat([train,sex,embark],axis=1)