写一份关于分析泰坦尼克生存率的python代码

好的，下面是一份基于 Python 的泰坦尼克生存率分析代码。这里我们使用了决策树模型来进行预测。

# 导入需要的库和数据集
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

data = pd.read_csv('train.csv')

# 数据预处理
data.drop(['Name', 'Ticket', 'Cabin'], axis=1, inplace=True)  # 删除不需要的列
data.fillna({'Age': data['Age'].median()}, inplace=True)  # 填充缺失值
data = pd.get_dummies(data, columns=['Sex', 'Embarked'])  # 对分类变量进行独热编码

# 拆分为特征和标签
X = data.drop('Survived', axis=1)
y = data['Survived']

# 拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建决策树模型
model = DecisionTreeClassifier(max_depth=5, random_state=42)
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

在这份代码中，我们首先导入了需要使用的库和数据集。然后进行了一些数据预处理工作，包括删除不需要的列、填充缺失值和对分类变量进行独热编码。接着，我们将数据集拆分为特征和标签，并且将其拆分为训练集和测试集。最后，我们使用决策树模型对训练集进行拟合，并在测试集上进行预测和准确率计算。