Data Analysis of Titanic Passengers' Survival Prediction (2)

Titanic乘客获救预测（2）数据处理

• 1 数据预处理与特征优化

  • • 1.1 缺失数据管理

    • • 1.1.1 检测缺失数据
      • 1.1.2 缺失数据处理

    • 1.2 重复数据管理

    • 1.3 特征优化

    • • 1.3.1 连续数值的离散化操作
      • 1.3.2 分类文本特征的编码转换
      • 1.3.3 纯文本内容中的关键特征抽取

  • 2 初步数据分析

  • • 2.1 数据结构重组

    • • 2.1.1 数据集整合方式：连接与合并（merge()、join()、concat()）
      • 2.2.2 数据排列调整（stack()）

    • 2.2 数据应用分析

  • 3 数据图形展示

  • • 3.1 条形图呈现
    • 3.2 线形图展示
    • 3.3 密度分布图绘制

1 数据清洗及特征处理

数据清洗主要涉及对获取到的原始数据中存在缺失或异常数值的处理，从而为后续的数据分析与模型构建提供可靠的基础。

1.1 缺失值处理

1.1.1 查看缺失值

• 途径1：通过调用info()函数来获取数据的基础信息

    df = pd.read_csv('titanic/titanic_train.csv'