这个系列博客纯粹为了记录一下自己学习kaggle的相关内容，也是跟着别人一步步学习。
都推荐从泰坦尼克之灾和房价预测两个项目入门kaggle。
这里就先学习一下泰坦尼克之灾。
首先在kaggle官网上下载了数据集。
一个train.csv用于训练，一个test.csv用于验证模型，一个gender_submission.csv是提交格式的示例。
看过一些大神们分享的经验，对数据的认识非常非常重要，关系到后面对数据的处理和特征工程，所以这里先来认识一下titanic的数据。
先读入数据，使用的编辑器是jupyter notebook。
import pandas as pd
import numpy as np
from pandas import Series,DataFrame
data_train = pd.read_csv("data/train.csv")
data_train
一共12列，891个样本的数据。
每一列代表：
- PassengerId：乘客ID
- Survived：是否获救
- Pclass：乘客的舱位等级
- Name：乘客姓名
- Sex：乘客性别
- Sib Sp：堂兄弟/妹个数
- Parch：父母与小孩的个数
- Ticket：船票信息
- Fare：票价
- Cabin：客舱
- Embarked：登船港口
简明的看一下数据的情况。
data_train.info()
可以看到像cabin这一列缺的数据非常多，age这一项也有一些缺失。
下面可以看一下数值型数据的整体情况。
data_train.describe()
