pandas-Titanic 泰坦尼克数据集-马育民老师

# 下载

kaggle 官网下载地址：
https://www.kaggle.com/c/titanic/data

gitee下载：
https://gitee.com/65242847/pic/blob/master/csv/titanic_train.csv

# 字段说明

### PassengerId 用户编号

记录乘客的Id编号。经过了解后：

并没有查到其构成具有特别的实际意义（如身份证的构成每一位都是有实际意义的）；
仅作为唯一标识来定位到某一乘客身上（唯一值同总数据量一样）；
因此认为不具有分析的价值，过后也会将它进行删除处理。

### Survived 是否存活（label）

描述乘客是否存活

- 0 - 用户未能存活；
- 1- 用户存活；

### Pclass（用户阶级）

描述用户所属的等级，总共分为三等，用1、2、3来描述，其中：

- 1 - 1st class，高等用户；
- 2 - 2nd class，中等用户；
- 3 - 3rd class，低等用户；

### Name（名字）

描述乘客的全名。例如上例中的 Rugg, Miss. Emily 中：

- Rugg ：first name，即名；
- Miss. ：title，即称谓；
- Emily ：last name，即姓

**提示：**在登记乘客姓名时全都是用这种方法进行记录的；

### Sex（性别）

描述乘客的性别，其中：

- male - 男性；
- female - 女性；

### Age（年龄）

描述乘客的年龄，其中有部分缺失值，需要用一些手段将她们补全，具体的方法方在下面数据清洗中；

### SibSp 和 Parch

- SibSp：描述了泰坦尼克号上与乘客同行的兄弟姐妹（Siblings）和配偶（Spouse）数目；
- Parch：描述了泰坦尼克号上与乘客同行的家长（Parents）和孩子（Children）数目；

### Ticket（船票号）

描述乘客登船所使用的船票编号。虽然它没有编码上的规律，不存在缺失值，但是唯一值可以看到，同之前唯一定位的乘客编号不同，也就是说可能会有人重复使用船票的情况，具体处理会在数据清洗中介绍，我会找到资料支撑和这一想法；

### Fare（乘客费用）

描述乘客上传所花费的费用；

### Cabin（船舱）

描述用户所住的船舱编号。由两部分组成，仓位号和房间编号，如C88中，C和88分别对应C仓位和88号房间。本字段缺失值较多，具体处理方法会在后面的数据清洗部分进行介绍。

### Embarked（港口）

描述乘客上船时的港口，包含三种类型：

- C：Cherbourg；
- Q：Queenstown；
- S：Southampton；

参考：
https://zhuanlan.zhihu.com/p/109323061