一数据清洗及特征处理

#将类别文本转换为one-hot编码

for feat in ["Age", "Embarked"]:
? ? x = pd.get_dummies(df[feat], prefix=feat)
? ? df = pd.concat([df, x], axis=1)

#concat 合成
知识点：
One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。

实现方式：手动One Hot编码，sklearn，keras。

#从纯文本Name特征里提取出Titles的特征

pandas.Series.str.extract

df['Title'] = df.Name.str.extract('([A-Za-z]+)\.', expand=False)

此处复习正则表达式

二数据重构

数据合并（dataframe）

concat

join(concat的默认方法，横向合并列）

merage（横向合并列），需要一个相同的column，所以要把left_index,right_index改成Ture

append

result_up = pd.merge(text_left_up,text_right_up,left_index=True,right_index=True)
result_down = pd.merge(text_left_down,text_right_down,left_index=True,right_index=True)
result = resul_up.append(result_down)

groupby技术，主要用于数据聚合和分类计算，思想是“split-apply-combine”（拆分应用合并）

group = df.groupby('Sex')
df.groupby('Sex')['Age'].describe()
#计算泰坦尼克号男性与女性的平均票价
df  = text['Fare'].groupby(text['Sex'])
means = df.mean()
#统计泰坦尼克号中男女的存活人数
survived_sex = text['Survived'].groupby(text['Sex']).sum()
survived_sex.head()
#计算客舱不同等级的存活人数
survived_pclass = text['Survived'].groupby(text['Pclass'])
survived_pclass.sum()
#统计在不同等级的票中的不同年龄的船票花费的平均值
text.groupby(['Pclass','Age'])['Fare'].mean().head()
#得出不同年龄的总的存活人数，然后找出存活人数的最高的年龄，最后计算存活人数最高的存活率（存活人数/总人数）
survived_age = text['Survived'].groupby(text['Age']).sum()
survived_age[survived_age.values==survived_age.max()]
_sum = text['Survived'].sum()
'最大存活率：{}'.format(precetn)