教女朋友学数据挖掘——泰坦尼克号获救预测( 二 ) _预测模型

这看起来是建模的一个非常重要的特性。一会我们会用上他的！
4.2 船舱等级与存活率关系
--> 船舱等级跟获救情况的关系
pd.crosstab(data.Pclass,data.Survived,margins=True).style.background_gradient(cmap='summer_r')
80
136
216
97
87
184
372
119
491
All
549
342
891
f,ax=plt.subplots(1,2,figsize=(18,8))data['Pclass'].value_counts().plot.bar(color=['#CD7F32','#FFDF00','#D3D3D3'],ax=ax[0])ax[0].set_title('Number Of Passengers By Pclass')ax[0].set_ylabel('Count')sns.countplot('Pclass',hue='Survived',data=http://www.kingceram.com/post/data,ax=ax[1])ax[1].set_title('Pclass:Survived vs Dead')plt.show()
人们说金钱不能买到一切。但我们可以清楚地看到，船舱等级为1的被给予很高的优先级而救援。尽管数量在 3乘客高了很多，仍然存活数从他们是非常低的，大约25% 。
对于来说存活是63%左右，而大约是48% 。所以金钱和地位很重要。这样一个物欲横流的世界。
那这些又和性别有关吗？接下来我们再来看看船舱等级和性别对结果的影响
4.4 船舱等级和性别对存活率的影响
pd.crosstab([data.Sex,data.Survived],data.Pclass,margins=True).style.background_gradient(cmap='summer_r')
72
81
91
70
72
233
male0
77
91
300
468
45
17
47
109
All
216
184
491
891
sns.factorplot('Pclass','Survived',hue='Sex',data=http://www.kingceram.com/post/data)plt.show()
我们用这个图，看起来更直观一些。
我们可以很容易地推断，从女性生存是95-96%，如94人中只有3的女性从没获救。
显而易见的是，不论，女性优先考虑。

文章插图
看来也是一个重要的特征。让我们分析其他特征
4.5 年龄与存活率关系
Age–> 连续值特征对结果的影响

print('Oldest Passenger was of:',data['Age'].max(),'Years')print('Youngest Passenger was of:',data['Age'].min(),'Years')print('Average Age on the ship:',data['Age'].mean(),'Years')

Oldest Passenger was of: 80.0 YearsYoungest Passenger was of: 0.42 YearsAverage Age on the ship: 29.69911764705882 Years

f,ax=plt.subplots(1,2,figsize=(18,8))sns.violinplot("Pclass","Age", hue="Survived", data=http://www.kingceram.com/post/data,split=True,ax=ax[0])ax[0].set_title('Pclass and Age vs Survived')ax[0].set_yticks(range(0,110,10))sns.violinplot("Sex","Age", hue="Survived", data=http://www.kingceram.com/post/data,split=True,ax=ax[1])ax[1].set_title('Sex and Age vs Survived')ax[1].set_yticks(range(0,110,10))plt.show()

结果：
1）10岁以下儿童的存活率随数量增加。
2）生存为20-50岁获救几率更高一些。
3）对男性来说，随着年龄的增长，存活率降低。
4.6 年龄缺失值填充
正如我们前面看到的，年龄特征有177个空值。为了替换这些缺失值，我们可以给它们分配数据集的平均年龄。
但问题是，有许多不同年龄的人。最好的办法是找到一个合适的年龄段！
我们可以检查名字特征。根据这个特征，我们可以看到名字有像先生或夫人这样的称呼，这样我们就可以把先生和夫人的平均值分配给各自的组。