Python泰坦尼克号生存概率分析

本项目在Kaggle中是数据分析入门项目，如果你想了解数据分析，我们就从这里开始吧！
数据集可以到Kaggle入门项目中直接找到，下载即可！

1.提出问题

什么样的人在泰坦尼克号中更容易存活？

2.采集数据、理解数据

导入数据分析工具库Numpy、Pandas

用pandas中的read_csv()方法读取格式为CSV的数据集

ps:本项目涉及到机器学习，所以我们有2个数据集，一个训练数据集，一个测试数据集，如果你还没有接触机器学习，我们先将这两个数据集进行合并，一起做一下数据分析，关于机器学习部分作为了解就可以，没有影响。

上图中，我们使用numpy的shape()的方法可以查看数据集的形状，这里我们可以了解到这个数据集有1309行，12列。
查看数据集信息，了解数据，我们用head()方法，默认查看前5行

使用统计数据信息描述方法describe()查看数据信息，查看是否存在异常值

查看数据是否有缺失以及数据类型

数据总共有1309行，Survived是标签，用作机器学习预测，无需处理。 数据类型列：年龄（Age）、船舱号（Cabin）里面有缺失数据：

年龄（Age）里面数据总数是1046条，缺失了263，缺失率20%；

船票价格（Fare）里面数据总数是1308条，缺失了1条数据字符串列；

登船港口（Embarked）里面数据总数是1307，只缺失了2条数据，缺失较少；

船舱号（Cabin）里面数据总数是295，缺失了1014，缺失率77.5%，缺失较大。

登船港口缺失2个值，将其填充为出现次数最多的值。船舱号（Cabin）缺失指较多，将其填充为’U‘。

3.数据清洗

3.1数据预处理：缺失数据处理