机器学习——泰坦尼克号幸存者预测的数据处理

第一步导入pandas模块，并读取需要处理的数据。

数据导入后可以查看导入数据的基本信息

方法1：利用info()方法

方法2：也可利用head()方法，该方法可以控制显示多少数据，可以更直观的观查看数据。

删除与模型不相关或者对模型影响不大的特征

接下来处理缺失值。

在年龄特征列中含有177个缺失值，需要将其处理。

此处用均值填充的方法处理该列的缺失值，注意并不是所有的数据都可以采用均值填充。

处理完年龄所在列的缺失值后，发现Embarked特征列中含有2个缺失值。

Embarked所在列有2个缺失值，并且数据类型为object，因此可以将该2行数据删除，对模型的影响不大。

删除数据集中的缺失值方法：dropna()默认对行操作，删除有缺失值行的数据。

但是需要注意的是：此方法是将删除后的数据返回，不会对原始数据做修改。

若希望在原始数据上直接修改，可传入inplace=True。

到此为止，数据集中的缺失值处理完毕。

但由于决策树处理的数据类型为数字，因此接下来需要将数据集中的非数字类型转换为数字类型。

可以利用unique()方法查看数据的分类信息。

以下是将多分类（不超过10个）的数据转换为10以内的数字的方法。

接下来处理性别这个特征所在列的数据，处理方法仍然可以利用上面的方方法处理，下面采用处理二分类数据的方法

处理完成后的数据如图示：

到目前为止，决策树所需要的数据已经准备完成，可以建立决策树模型了。