Titanic数据集主要包含两部分,训练集(train.csv)和测试集(test.csv)。其中训练集中包含乘客的基本信息和最终在事故中的存活情况,测试集只包含乘客的基本信息, 不包含存活情况。 目的:通过对训练集中乘客的基本信息和存活情况的分析,找到背后隐藏的某种规律,去推断测试集中的乘客是否遇难。

泰坦尼克数据集，可以参考文章： 【Pandas总结】第九节 Pandas 合并数据集_pd.pivot_table() 请大家下载学习；

泰坦尼克数据集，包括train.csv/test.csv/gendermodel.csv

提供的训练数据集包含11个特征，分别是：Survived:0代表死亡，1代表存活；Pclass:乘客所持票类，有三种值(1,2,3)；Name:乘客姓名；Sex:乘客性别；Age:乘客年龄(有缺失)；SibSp:乘客兄弟姐妹/配偶的个数(整数值)；Parch:乘客父母/孩子的个数(整数值)；Ticket:票号(字符串)；Fare:乘客所持票的价格(浮点数，0-500不等)；Cabin:乘客所在船舱(有缺失)；Embark:乘客登船港口:S、C、Q(有缺失)。

泰坦尼克号生还情况预测 Kaggle 是一个流行的数据科学竞赛平台，由 Goldbloom 和 Ben Hamner 创建于 2010 年。

正版数据集含代码使用，避免官网下载注册的麻烦。正版数据集含代码使用，避免官网下载注册的麻烦。正版数据集含代码使用，避免官网下载注册的麻烦。

泰坦尼克数据集，完善了Fare缺失，保留了Age和Carbin缺失

泰坦尼克数据集下载 训练集 测试集 导入需要的库 import matplotlib.pyplot as plt %matplotlib inline import numpy as np import pandas as pd 加载数据集 train_file = './data/titanic/train.csv' eval_file = './data/titanic/eval.csv' train_df = pd.read_csv(train_file) eval_df = pd.read_csv(eval_file) print(train_df.head()) print(eva

Titanic数据集是非常适合数据科学和机器学习新手入门练习的数据集。 数据集为1912年泰坦尼克号沉船事件中一些船员的个人信息以及存活状况。这些历史数据已经非分为训练集和测试集，你可以根据训练集训练出合适的模型并预测测试集中的存活状况。

有个公众号和一些文章用的就是泰坦尼克数据集, 我不知道为什么要用这个，但是我找了很久，还有好多收费的， 我就再次恭喜那一个免费的，让大家的学习门槛低一点。