项目介绍数据清洗读取文件特征值设置59课件.pptxVIP

泰坦尼克号数据清洗据清洗·项目介绍·数据清洗·读取文件·特征值设置

学习目标了解掌握掌握掌握了解数据清洗的过程12掌握特征值的添加设置能够使用特征求相关数据34能够对采集数据进行清洗

01项目介绍PartOne02读取文件PartTwo03数据清洗PartThree04特征值设置PartFour

01项目介绍

1-1任务由来思考：泰坦尼克号与一座冰山相撞，造成右舷船艏至船中部破裂，五间水密舱进水。4月15日凌晨2时20分左右，泰坦尼克船体断裂成两截后沉入大西洋底3700米处。2224名船员及乘客中，什么样的人获救几率大？

1-1任务由来我们可以用数据清洗及特征值设定分析不同人存活的概率有多少。结论

02读取文件

2-1采集数据展示思考查看我们日常生活的船票会上有什么信息？图1数据信息

2-2导入采集数据图2查看导入并查看数据data_raw=pd.read_csv(train.csv)

03数据清洗

3-1数据清洗思考采集的数据中经常有缺失值也就是空白值我们应该怎么处理呢？

3-1为什么需要数据清洗原因：数据存在缺失需要完善如图图3查看缺失值data_raw.isnull().sum()

3-2处理缺失值data_all=[data_raw]fordatasetindata_all:dataset[age].fillna(dataset[age].median(),inplace=True)设置年龄为中间值dataset[fare].fillna(dataset[fare].median(),inplace=True)设置费用为中间值dataset[embarked].fillna(dataset[embarked].mode()[0],inplace=True）设置船位为出现对多的值

3-3删除多余的数据接删除不需要的列数据cabin，passengerid，ticketdrop_colums=[cabin,passengerid,ticket]设定删除对象data_raw.drop(drop_colums,axis=1,inplace=True)进行行删除data_raw.isnull().sum()查看结果图5查看缺失值

04特征值设置

4-1特征值设置大家想象下当时的情况谁应该最先获救，作为一个男士在船上的存活概率有多少？

4-2设置family特征值fordatasetindata_all:dataset[family]=dataset[sibsp]+dataset[parch]+1dataset[sibsp]表示：兄弟姐妹dataset[parch]表示：父母图6添加family特征值列

4-3设置single特征值fordatasetindata_all:dataset[family]=dataset[sibsp]+dataset[parch]+1dataset[single]=1dataset[single].loc[dataset[family]1]=0如果family家庭成员大于1则表示不是single单独来的图7添加single特征值列

4-4设置title特征值fordatasetindata_all:dataset[family]=dataset[sibsp]+dataset[parch]+1dataset[single]=1dataset[single].loc[dataset[family]1]=0dataset[title]=dataset[name].str.split(,,expand=True)[1].str.split(.,expand=True)[0]通过标点符号分离出在‘.’前的第一个字符串图8添加title特征值列

4-5计算男士的存活率title_names=(data_raw[title].value_counts()10)data_raw[title]=data_raw[title].apply(lambdax:otheriftitle_names[x]elsex)data_raw[title].value_counts()data_raw[survived].groupby(data_raw[title]).mean()]将title里小于10的归类为other类并求出不同省份的存活率，从而查看男士的存活率图9显示结果

作业（1）查看家庭不同人数的获救率（2）查看船身不同位置的获救率

谢谢观看THANKYOU