python泰坦尼克号数据分析

在Python中，使用泰坦尼克号数据集进行分析通常涉及以下几个步骤：

1. **数据加载**：首先，我们使用`pandas`库中的`read_csv`函数加载数据，假设数据存储在名为'titanic.csv'的文件中。

import pandas as pd
data = pd.read_csv("titanic.csv")

2. **数据探索**：通过`head()`和`describe()`函数了解数据基本结构和摘要统计，找出可能需要进一步探究的地方。

print(data.head())
print(data.describe())

3. **数据预处理**：
- **缺失值处理**：可以查看缺失值的数量并填充、删除或插补，如用均值、中位数填充年龄这类数值型特征。

   data['Age'].fillna(data['Age'].mean(), inplace=True)

- **类别编码**：将分类变量（如Sex、Embarked）转化为数值形式，通常是使用`get_dummies`或`LabelEncoder`。

4. **特征工程**：可能会创建新的特征，如根据Name提取头衔作为特征，或者结合Pclass和其他因素生成家庭大小等。

5. **数据分析**：
- **可视化**：利用`matplotlib`或`seaborn`包画出各类柱状图、折线图或散点图来观察变量间的分布和关系。
- **探索性数据分析**（EDA）：研究Survived与其它特征（如性别、年龄、舱等级等）的关系，可以用散点图、箱线图等进行可视化。

6. **建立模型**：选择合适的机器学习算法（如Logistic Regression、Random Forest、SVM等），将数据分为训练集和测试集。

7. **模型训练和评估**：用训练数据拟合模型，然后用测试数据评估模型性能，比如准确率、精确度、召回率、F1分数等。

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练模型
model.fit(X_train, y_train)

# 预测
predictions = model.predict(X_test)

# 评估
from sklearn.metrics import classification_report
print(classification_report(y_test, predictions))