劉老師在第8講PyTorch深度學習實踐概論筆記8-加載數據集中留下一個練習：對kaggle上的Titanic數據集，使用DataLoader類進行分類，訓練目標是預測某位乘客是否活下來（Survived）。本篇文章先讀取數據和做一些簡單的數據分析，熟悉一下數據集。

數據特征包含下面這些：

官網給的數據解釋如下。

0 Overview

數據集被劃分為訓練集和測試集：

• training set (train.csv)
• test set (test.csv)

訓練集應該被用來建立你的機器學習模型。對于訓練集，我們為每個乘客提供結果(也稱為“ground truth”)。你的模型將基于乘客的性別和階級等“特征”。您還可以使用特征工程來創建新的特征。

測試集應該用來查看您的模型在不可見數據上的性能。對于測試集，我們不為每個乘客提供基本真相。你的工作就是預測這些結果。對于測試中的每一位乘客，使用你訓練的模型來預測他們是否在泰坦尼克號沉沒時幸存下來。

還包括gender_submit .csv，這是一組假設所有且只有女性乘客能夠存活的預測，作為提交文件的示例。

Data Dictionary-數據詞典

Variable（變量名）Definition（定義）Key（取值）

PassengerId	乘客編號	1-891
Survived	Survival(是否生存)	0和1。0 = 死亡, 1 = 存活
Pclass	Ticket class(票的等級，社會經濟地位(SES)的代表。)	1 = 1st, 2 = 2nd, 3 = 3rd 1 =上；2 =中間；3 =低
Name	乘客姓名	例如Braund,Mr. Owen Harris
Sex	Sex(性別)	male,female
Age	Age in years(年齡)	數字(float64)。如果年齡小于1，則為小數；如果估計年齡，是xx.5，有缺失
SibSp	# of siblings / spouses aboard the Titanic （泰坦尼克號上的兄弟姐妹/配偶） Sibling=兄弟，姐妹，繼兄弟，繼姐妹 pouse=丈夫，妻子(情婦和未婚夫被忽略)	0-8
Parch	# of parents / children aboard the Titanic （泰坦尼克號上的父母/孩子） Parent =母親，父親 Child=女兒、兒子、繼女、繼子 有些孩子外出旅行只帶了一個保姆，因此對他們來說parch=0	0-6
Ticket	Ticket number(票號)	例如A/5 21171、PC 17599
Fare	Passenger fare(乘客票價)	數字(float64)，有缺失
Cabin	Cabin number(船艙號碼)	例如C85，提取A/B/C/D等，有缺失
Embark	Port of Embarkation(登船港口)	C = Cherbourg, Q = Queenstown, S = Southampton，有缺失

整個數據量不大，訓練集和測試集加起來總共891+418=1309個。

1 前期數據分析

拿到這筆數據，我們先大概分析一下數據，目的是初步了解數據之間的相關性，為之后的特征選擇和建模預測做準備。參考知乎的一篇文章：pytorch練習：泰坦尼克號生存預測 - 知乎

1.1 讀取數據

讀取數據的代碼如下：

#導入需要的庫 import re import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt# 讀取數據的地址修改成自己的地址 train = pd.read_csv("./titanic/train.csv") test = pd.read_csv("./titanic/test.csv") print("train.shape:",train.shape,"test.shape:",test.shape)#輸出訓練集和測試集大小 total_data = train.append(test,sort=False,ignore_index=True)#合并訓練集和測試集 print("total_data.shape",total_data.shape) total_data.head() #查看前5行數據

輸出訓練集train.shape為(891, 12)，測試集test.shape為(418, 11)，合并之后的數據total_data.shape為(1309, 12)。前5行數據如下：

查看train和test數據集的基本信息：

train.info() print("*"*50) test.info()

輸出如下：

可以看到訓練集的Age、Cabin、Embarked存在丟失數據；測試集的Age、Fare、Cabin存在丟失數據（這些變量之后都需要做缺失值處理）。

1.2 特征分析

接下來我們進行數據分析，由于該練習是預測乘客的存活情況，因此主要分析特征Survived和其他特征的關系。?

1.2.1 總體生存率情況（Survived）

total_data['Survived'].value_counts().plot.pie(autopct="%1.2f%%")

整個數據集（訓練集）中存活342人，死亡549人，存活率38.38%，死亡率61.62%。

1.2.2?不同性別的人員存活率分析（Sex、Survived）

print(total_data.groupby(['Sex'])['Survived'].agg(['count','mean'])) plt.figure(figsize=(10,5)) sns.countplot(x='Sex',hue='Survived',data=total_data) plt.title('Sex vs Survived')

	count	mean
female	314	0.742038
male	577	0.188908

圖像如下：

整個數據集中男性人數577，女性314人，男性占比64.75%，但女性的存活率74.2%遠高于男性存活率18.8%，這讓我想到電影《泰坦尼克號》中讓婦女和兒童先上救生艇，是否有關聯？（存活率與性別有關）。

1.2.3?不同登船港的人員存活率分析（Embarked、Survived）

首先，查看Embarked的分布。

total_data.Embarked.value_counts()

輸出：

由于該特征存在缺失，下面做缺失值處理，用眾數填充。

total_data['Embarked'].fillna(total_data.Embarked.mode().values[0],inplace=True)

缺失值處理之后輸出：

查看不同登船港人員的存活率。

print(total_data.groupby(['Embarked'])['Survived'].agg(['count','mean'])) plt.figure(figsize=(10,5)) sns.countplot(x='Embarked',hue='Survived',data=total_data) plt.title('Embarked vs Survived')

可以看到，C地登船的存活率最高、其次為Q地登船、S地登船人數最多但存活率僅有1/3（存活率與登船港有關）。

1.2.4?不同船艙號的人員存活率分析（Cabin、Survived）

由于Cabin缺失比較嚴重，用Unknown替代缺失值。先做缺失值處理。

total_data['Cabin'].fillna('U',inplace=True)

查看不同船艙號人員的存活率，代碼如下：

total_data['Cabin'] = total_data['Cabin'].map(lambda x:re.compile('([a-zA-Z]+)').search(x).group()) print(total_data.groupby(['Cabin'])['Survived'].agg(['count','mean'])) plt.figure(figsize=(10,5)) sns.countplot(x='Cabin',hue='Survived',data=total_data) plt.title('Cabin vs Survived')

不同船艙號人員的存活情況圖像如下：

結合之前的分析，有船艙號信息的人員占(204+91)/1309=22.54%，缺失船艙號的群體占比77.5%，但是存活率僅僅29.99%。?船艙號B/D/E存活率較高，均超過70%（存活率與船艙號有關）。

1.2.5?不同票等級的人員存活率分析（Pclass、Survived）

查看不同票等級人員的存活率情況。

print(total_data.groupby(['Pclass'])['Survived'].agg(['count','mean'])) plt.figure(figsize=(10,5)) sns.countplot(x='Pclass',hue='Survived',data=total_data) plt.title('Pclass vs Survived')

數據表明，票等級越高存活率就越高；等級1的人存活率62.96%；等級3的人數占比超50%，但存活率不到1/3（0.242363）（存活率與票等級有關）。

1.2.6?不同票等級的男女存活率分析（Pclass、Sex、Survived）

考慮不同票等級中男女生存的幾率。

print(total_data[['Sex','Pclass','Survived']].groupby(['Pclass','Sex']).agg(['count','mean'])) total_data[['Sex','Pclass','Survived']].groupby(['Pclass','Sex']).mean().plot.bar(figsize=(10,5)) plt.xticks(rotation=0) plt.title('Sex,Pclass vs Survived')

結果表明，不同票等級下女性的存活率均高于男性，在票等級1和2中女性存活率均超過90%。

1.2.7?不同票價的人員存活率分析（Fare、Survived）

由于票價有缺失，首先結合Pclass的平均票價，對Fare進行缺失值處理。首先看一下不同票等級的票價，代碼如下：

total_data[['Pclass','Fare']].groupby(['Pclass'], as_index=False).mean() #total_data['Fare'].groupby(by=total_data['Pclass']).mean()

缺失值處理：?

total_data['Fare'] = total_data[['Fare']].fillna(total_data.groupby('Pclass').transform(np.mean)) total_data['Fare'].describe()

處理之后的輸出結果：

查看票價分布情況，畫直方圖。

plt.figure(figsize=(10,5)) total_data['Fare'].hist(bins=70) plt.title('Fare Distribution')

?直方圖說明數據集的票價集中在低價區。進一步分析票價和存活率的關系：

total_data.boxplot(column='Fare',by='Survived',showfliers=False,figsize=(10,5))

上述箱線圖表明，存活群體的票價均值要高于死亡群體，而且存活的群體中票價分布差異更大。

更進一步分析，我們劃分票價區間，查看票價區間的存活率情況。

1.2.8?不同票價區間的人員存活率分析（Fare_bin、Survived）

將票價劃分為四個區間。

bins_fare = [0,8,14,31,515] total_data['Fare_bin'] = pd.cut(total_data['Fare'], bins_fare, right=False)#畫圖 print(total_data[['Fare_bin', 'Survived']].groupby('Fare_bin')['Survived'].agg(['count', 'mean'])) plt.figure(figsize=(10, 5)) sns.countplot(x='Fare_bin', hue='Survived', data=total_data) plt.title('Fare and Survived')

隨著票價的升高，票價區間的存活率越來越高，[31,515)的存活率為58.2%（存活率與票價有關）。

1.2.9?不同票等級[細分]的人員存活率分析（Pclass_Fare_Category、Survived）

對票等級按不同價格細分：

total_data.boxplot(column='Fare', by='Pclass',showfliers=False, figsize=(10, 5))

上圖說明票等級越高，票價相對更貴，但是同一個票等級的票價差異較大，進一步對同一票價等級按照價格進行細分。

def pclass_fare_category(df, pclass1_mean_fare, pclass2_mean_fare, pclass3_mean_fare):if df['Pclass'] == 1:if df['Fare'] <= pclass1_mean_fare:return 'Pclass1_Low'else:return 'Pclass1_High'elif df['Pclass'] == 2:if df['Fare'] <= pclass2_mean_fare:return 'Pclass2_Low'else:return 'Pclass2_High'elif df['Pclass'] == 3:if df['Fare'] <= pclass3_mean_fare:return 'Pclass3_Low'else:return 'Pclass3_High'Pclass_mean = total_data['Fare'].groupby(by=total_data['Pclass']).mean() Pclass1_mean_fare = Pclass_mean[1] Pclass2_mean_fare = Pclass_mean[2] Pclass3_mean_fare = Pclass_mean[3] total_data['Pclass_Fare_Category'] = total_data.apply(pclass_fare_category, args=(Pclass1_mean_fare, Pclass2_mean_fare, Pclass3_mean_fare), axis=1)print(total_data[['Pclass_Fare_Category', 'Survived']].groupby('Pclass_Fare_Category')['Survived'].agg(['count', 'mean'])) plt.figure(figsize=(10, 5)) sns.countplot(x='Pclass_Fare_Category', hue='Survived', data=total_data) plt.title('Pclass_Fare_Category and Survived')

根據同一票等級的均值劃分，最終得到6個票等級，Pclass_Fare_Category的生存率結果如下：

數據說明，同一票等級的高價格區間的存活率高于低價格區間。

1.2.10 不同title[name中提取]的人員存活率分析（Title、Survived）

名字中出現了一些Dr、Officer、Lady等一些title，我們提取name中的title，對title進行歸類，主要有這六類：

代碼如下：

def sub_title(x):return re.search('([A-Za-z]+)\.', x).group()[:-1]total_data['Title'] = total_data['Name'].apply(lambda x: sub_title(x))# 對title進行歸類 title_Dict = {} title_Dict.update(dict.fromkeys(['Capt', 'Col', 'Major', 'Dr', 'Rev'], 'Officer')) title_Dict.update(dict.fromkeys(['Don', 'Sir', 'Countess', 'Dona', 'Lady'], 'Royalty')) title_Dict.update(dict.fromkeys(['Mme', 'Ms', 'Mrs'], 'Mrs')) title_Dict.update(dict.fromkeys(['Mlle', 'Miss'], 'Miss')) title_Dict.update(dict.fromkeys(['Mr'], 'Mr')) title_Dict.update(dict.fromkeys(['Master', 'Jonkheer'], 'Master'))total_data['Title'] = total_data['Title'].map(title_Dict)

不同title的存活率情況：

total_data[['Title', 'Survived']].groupby(['Title']).mean().plot.bar(figsize=(10, 5)) plt.title('Title vs Survived')

Mr和Officer的人員存活率明顯更低，Mrs title的群體存活率最高（存活率與title有關）。

1.2.11 不同name長度的人員存活率分析（Name_length、Survived）

提取name的長度信息。

plt.figure(figsize=(18, 5)) total_data['Name_length'] = total_data['Name'].apply(len) name_length = total_data[['Name_length', 'Survived']].groupby(['Name_length'], as_index=False).mean() sns.barplot(x='Name_length', y='Survived', data=name_length) plt.title('Name length vs Survived')

名字長度小于35的群體的存活率相對較低，名字長度越長，存活率整體越高。但是看了一下，后面名字長度長的人數基本是個位數的（存活率與名字長度有關）。

1.2.12 區分有無兄弟姐妹/配偶在船上的人員存活率分析（SibSp、Survived）

區分有無兄弟姐妹/配偶在船上的兩個群體進行數據對比。

sibsp_df = total_data[total_data['SibSp'] != 0] #有兄弟姐妹/配偶 no_sibsp_df = total_data[total_data['SibSp'] == 0] #無plt.figure(figsize=(10, 5)) plt.subplot(121) sibsp_df['Survived'].value_counts().plot.pie(labels=['No Survived', 'Survived'], autopct='%1.1f%%') plt.xlabel('sibsp')plt.subplot(122) no_sibsp_df['Survived'].value_counts().plot.pie(labels=['No Survived', 'Survived'], autopct='%1.1f%%') plt.xlabel('no_sibsp')

餅圖如下：

明顯看出，（左側）有兄弟姐妹/配偶在船上的存活率更高，為46.6%（存活率與SibSp有關）。

1.2.13 區分有無父母/子女在船上的人員存活率分析（Parch、Survived）

區分有無父母/子女在船上在船上的兩個群體進行數據對比。

parch_df = total_data[total_data['Parch'] != 0] #有父母/子女 no_parch_df = total_data[total_data['Parch'] == 0] #無plt.figure(figsize=(10, 5)) plt.subplot(121) parch_df['Survived'].value_counts().plot.pie(labels=['No Survived', 'Survived'], autopct='%1.1f%%') plt.xlabel('Parch')plt.subplot(122) no_parch_df['Survived'].value_counts().plot.pie(labels=['No Survived', 'Survived'], autopct='%1.1f%%') plt.xlabel('no_Parch')

明顯看出，（左側）有父母/子女在船上的成活率更高，為48.8%（存活率與Parch有關）。

1.2.14 不同家庭人數[合并]的人員存活率分析（Family_Size、Survived）

查看不同家庭人數的存活率，首先Parch和SibSp分開查看。

fig, ax = plt.subplots(1, 2, figsize=(18, 8)) total_data[['Parch', 'Survived']].groupby(['Parch']).mean().plot.bar(ax=ax[0]) ax[0].set_title('Parch vs Survived') total_data[['SibSp', 'Survived']].groupby(['SibSp']).mean().plot.bar(ax=ax[1]) ax[1].set_title('SibSp vs Survived')

然后，合并家庭人數。

total_data['Family_Size'] = total_data['Parch'] + total_data['SibSp'] + 1 total_data[['Family_Size', 'Survived']].groupby(['Family_Size']).mean().plot.bar(figsize=(10, 5)) plt.title('Family size vs Survived')

上圖說明有家庭成員的存活率大概率比無家庭成員的存活率高，家庭人員=4時存活率最高，但隨著人數越高存活率降低。

根據上述結果重新劃分家庭大小，家庭人員以4為界。

def family_size_category(family_size):if family_size <= 1:return 'Single'elif family_size <= 4:return 'Small_Family'else:return 'Large_Family'total_data['Family_Size_Category'] = total_data['Family_Size'].map(family_size_category) total_data[['Family_Size_Category','Survived']].groupby(['Family_Size_Category']).mean().plot.bar(figsize=(10,5))

??

上述直方圖說明，家庭總人數大于4的家庭存活率最低，總人數等于1的高一些，總人數小于4的家庭存活率最高，57.9%。

1.2.15 不同年齡的人員存活率分析（Age、Survived）

Age（年齡）也有缺失值，這里我們使用隨機森林預測缺失的年齡。首先，將將分類變量轉化為數值，使用pd.factorize()函數。

#pd.factorize()做的是“因式分解”，把常見的字符型變量分解為數字 total_data['Embarked'], uniques_embarked = pd.factorize(total_data['Embarked']) total_data['Sex'], uniques_sex = pd.factorize(total_data['Sex']) total_data['Cabin'], uniques_cabin = pd.factorize(total_data['Cabin']) total_data['Fare_bin'], uniques_fare_bin = pd.factorize(total_data['Fare_bin']) total_data['Pclass_Fare_Category'], uniques_pclass_fare_category = pd.factorize(total_data['Pclass_Fare_Category']) total_data['Title'], uniques_title = pd.factorize(total_data['Title']) total_data['Family_Size_Category'], uniques_family_size_category = pd.factorize(total_data['Family_Size_Category'])

接著，訓練隨機森林模型進行年齡預測，代碼如下：

import sklearn from sklearn.ensemble import RandomForestRegressorageDf = total_data[['Age', 'Pclass', 'Title', 'Name_length','Sex', 'Family_Size', 'Fare', 'Cabin', 'Embarked']] ageDf_notnull = ageDf.loc[ageDf['Age'].notnull()] ageDf_isnull = ageDf.loc[ageDf['Age'].isnull()]X = ageDf_notnull.values[:, 1:] y = ageDf_notnull.values[:, 0]RFR = RandomForestRegressor(n_estimators=1000, n_jobs=-1)# 訓練 RFR.fit(X, y)predictAges = RFR.predict(ageDf_isnull.values[:, 1:]) total_data.loc[total_data['Age'].isnull(), 'Age'] = predictAges

然后，查看填充后的年齡數據：

total_data['Age'].describe()

最后，分析是否存活群體的年齡差異：

# 查看年齡分布 plt.figure(figsize=(18, 5)) plt.subplot(131) total_data['Age'].hist(bins=70) plt.xlabel('Age') plt.ylabel('Num')plt.subplot(132) total_data.boxplot(column='Age', showfliers=False)# 查看是否存活群體的年齡差異 plt.subplot(133) sns.boxplot(x='Survived', y='Age', data=total_data)

箱形圖顯示是否存活群體的年齡差異并不大，最大值、最小值和平均值大小都差不多，而且都存在異常值（定義為小于Q1－1.5IQR或大于Q3+1.5IQR的值）。

進一步分析票等級和性別不同年齡的存活分布：

fig, ax = plt.subplots(1, 2, figsize=((18, 8))) # 查看不同票等級不同年齡的存活分布 ax[0].set_title('Pclass and Age vs Survived') ax[0].set_yticks(range(0, 110, 10)) sns.violinplot(x='Pclass', y='Age', hue='Survived',data=total_data, split=False, linewidth=2, ax=ax[0])# 查看不同性別不同年齡的存活分布 ax[1].set_title('Sex and Age vs Survived') ax[1].set_yticks(range(0, 110, 10)) sns.violinplot(x="Sex", y="Age", hue="Survived",data=total_data, split=False, linewidth=2, ax=ax[1])

圖像如下：

小提琴圖 (Violin Plot)是用來顯示多組數據的分布狀態以及概率密度，它結合了箱形圖和密度圖的特征，主要用來顯示數據的分布形狀，在數據量很大的時候小提琴圖特別適用。通過上面分組小提琴圖，我們發現在不同票等級中存活下來的人員年齡相對更小（左），不同性別人員的存活與否年齡差異并不大（右）。

1.2.16 不同年齡分層的人員存活率分析（Age_group、Survived）

查看不同年齡的存活分布：

facet = sns.FacetGrid(total_data, hue='Survived', aspect=4) facet.map(sns.kdeplot, 'Age', shade=True) facet.set(xlim=(0, total_data['Age'].max())) facet.add_legend()

進一步，對年齡分層處理：

bins = [0, 12, 18, 65, 100] total_data['Age_group'] = pd.cut(total_data['Age'], bins) print(total_data.groupby('Age_group')['Survived'].agg(['count', 'mean']))plt.figure(figsize=(10, 5)) sns.countplot(x='Age_group', hue='Survived', data=total_data) plt.title('Age group vs Survived')

可以看到年幼群體的群體的存活率最高，超過一半，為56.4%。

1.3 相關性分析

接下來，整體看一下數據的相關性。

total_data['Age_group'], uniques_age_group = pd.factorize(total_data['Age_group'])Correlation = pd.DataFrame(total_data[['Survived', 'Embarked', 'Sex', 'Title', 'Name_length', 'Family_Size', 'Family_Size_Category','Fare', 'Fare_bin', 'Pclass', 'Pclass_Fare_Category', 'Age', 'Age_group', 'Cabin' ]])# 查看數據相關性 colormap = plt.cm.viridis plt.figure(figsize=(14, 12)) plt.title('Pearson Correlation of Features', y=1.05, size=15) sns.heatmap(Correlation.astype(float).corr(method='kendall'),linewidths=0.1,vmax=1.0,square=True,cmap=colormap,linecolor='white',annot=True)

特征的皮爾遜相關系數圖如下：

變量關系組圖的代碼如下：

g = sns.pairplot(total_data[['Survived', 'Pclass', 'Sex', 'Age', 'Fare', 'Embarked', 'Family_Size','Title', 'Cabin']],hue='Survived',palette='seismic',height=1.2,diag_kind='kde',diag_kws=dict(shade=True),plot_kws=dict(s=10)) g.set(xticklabels=[])

圖像如下：

1.4 數據預處理

為了之后的預測能更好地構建模型，將變量進行one-hot編碼處理和數據標準化處理。

1.4.1?one-hot編碼處理

# 對分類變量進行獨熱編碼 pclass_dummies = pd.get_dummies(total_data['Pclass'], prefix='Pclass') total_data = total_data.join(pclass_dummies)title_dummies = pd.get_dummies(total_data['Title'], prefix='Title') total_data = total_data.join(title_dummies)sex_dummies = pd.get_dummies(total_data['Sex'], prefix='Sex') total_data = total_data.join(sex_dummies)cabin_dummies = pd.get_dummies(total_data['Cabin'], prefix='Cabin') total_data = total_data.join(cabin_dummies)embark_dummies = pd.get_dummies(total_data['Embarked'], prefix='Embarked') total_data = total_data.join(embark_dummies)bin_dummies_df = pd.get_dummies(total_data['Fare_bin'], prefix='Fare_bin') total_data = total_data.join(bin_dummies_df)family_size_dummies = pd.get_dummies(total_data['Family_Size_Category'], prefix='Family_Size_Category') total_data = total_data.join(family_size_dummies)pclass_fare_dummies = pd.get_dummies(total_data['Pclass_Fare_Category'], prefix='Pclass_Fare_Category') total_data = total_data.join(pclass_fare_dummies)age_dummies = pd.get_dummies(total_data['Age_group'], prefix='Age_group') total_data = total_data.join(age_dummies)

1.4.2?標準化處理

from sklearn.preprocessing import StandardScalerscale_age_fare = StandardScaler().fit(total_data[['Age', 'Fare', 'Name_length']]) total_data[['Age', 'Fare', 'Name_length']] = scale_age_fare.transform(total_data[['Age', 'Fare', 'Name_length']])total_data_backup = total_data.drop(['PassengerId', 'Pclass', 'Name', 'Sex', 'SibSp', 'Parch','Ticket', 'Fare', 'Cabin', 'Embarked', 'Fare_bin', 'Pclass_Fare_Category', 'Title','Family_Size', 'Family_Size_Category', 'Age_int', 'Age_group'], axis=1, errors='ignore')total_data_backup.columns

輸出如下：

Index(['Survived', 'Age', 'Name_length', 'Pclass_1', 'Pclass_2', 'Pclass_3','Title_0', 'Title_1', 'Title_2', 'Title_3', 'Title_4', 'Title_5','Sex_0', 'Sex_1', 'Cabin_0', 'Cabin_1', 'Cabin_2', 'Cabin_3', 'Cabin_4','Cabin_5', 'Cabin_6', 'Cabin_7', 'Cabin_8', 'Embarked_0', 'Embarked_1','Embarked_2', 'Fare_bin_0', 'Fare_bin_1', 'Fare_bin_2', 'Fare_bin_3','Family_Size_Category_0', 'Family_Size_Category_1','Family_Size_Category_2', 'Pclass_Fare_Category_0','Pclass_Fare_Category_1', 'Pclass_Fare_Category_2','Pclass_Fare_Category_3', 'Pclass_Fare_Category_4','Pclass_Fare_Category_5', 'Age_group_0', 'Age_group_1', 'Age_group_2','Age_group_3'],dtype='object')

1.4.3 保存處理好的數據文件

為了下次的建模，注意保存處理好的數據文件，分開保存train和test數據集的代碼如下：

train_data = total_data_backup[:891] train_data.to_csv("./titanic/titanic_train.csv") test_data = total_data_backup[891:] test_data.to_csv("./titanic/titanic_test.csv")

由于篇幅有點長，建模預測部分放在另外一篇文章，鏈接請看評論區。

說明：記錄學習筆記，如果錯誤歡迎指正！寫文章不易，轉載請聯系我。

總結

以上是生活随笔為你收集整理的PyTorch深度学习实践概论笔记8练习-kaggle的Titanic数据集预测（一）数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。