泰坦尼克号旅客生存预测记录

时间:2021-07-23 17:44:16   收藏:0   阅读:0

 

在指定网址下载文件,并放到指定目录

import urllib.request
import os

url = "xxxxx"

data_path = "D:/xxx"

if not os.path.isfile(data_path):  # 如果不存在文件
    ret = urllib.request.urlretrieve(url, data_path)  #则下载
    print("Download: ", ret)
else:
    print(data_path, "already exists")

 

df = pd.read_excel(data_path) #读取文件
select_cols = ["survived", "name", "pcalss", "sex", "age", "sibsp", "parch", "fare", "embarked"] #选出要用的列
df = df[select_cols]
df.isnull()#可列出所有存在空或者NA的行,为一个True和False的矩阵,若元素为空或者NA则为True,否则为False


df.isnull().any()
技术图片

 

 

df.isnull.sum()

技术图片

 

 

df[df.isnull().values == True]

技术图片

 

 

填充缺失值,用平均值填充

avg_age = df[‘age‘].mean()

df[‘age‘] = df[‘age‘].fillna(avg_age)

将性别转换成序号

df[‘sex‘] = df[‘sex‘].map({‘female‘ : 0, ‘male‘ : 1}).astype(int)

删除一列

axis = 1表示删除列

df = df.drop([‘name‘], axis = 1)

数据标准化

from sklearn import preprocessing

minmax_scale = preprocessing.MinMaxScaler(frature_range = (0, 1))

x_data = minmax_scale.fit_transform(x_data)

 

 

评论(0
© 2014 mamicode.com 版权所有 京ICP备13008772号-2  联系我们:gaon5@hotmail.com
迷上了代码!