python - 无法将性别数据更改为二进制值

Question

我正在参加泰坦尼克号竞赛。这是我到目前为止的代码:

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

train = pd.read_csv("https://raw.githubusercontent.com/oo92/Titanic-Kaggle/master/train.csv")
test = pd.read_csv("https://raw.githubusercontent.com/oo92/Titanic-Kaggle/master/test.csv")

train['Sex'].replace(['female', 'male'], [0, 1])
train['Embarked'].replace(['C', 'Q', 'S'], [1, 2, 3])

# Fill missing values in Age feature with each sex’s median value of Age
train['Age'].fillna(train.groupby('Sex')['Age'].transform("median"), inplace=True)

linReg = LinearRegression()

data = train[['Pclass', 'Sex', 'Parch', 'Fare', 'Age']]

# implement train_test_split
x_train, x_test, y_train, y_test = train_test_split(data, train['Survived'], test_size=0.2, random_state=0)

# Training the machine learning algorithm
linReg.fit(x_train, y_train)

# Checking the accuracy score of the model
accuracy = linReg.score(x_test, y_test)
print(accuracy*100, '%')

这行以前看起来像这样:data = train[['Pclass', 'Parch', 'Fare', 'Age']]，最终给我的准确度得分为 19.5 %。我意识到我没有包括性，所以我继续这样做:

data = train[['Pclass', '性别', 'Parch', '票价', '年龄']]

然后，我收到以下错误:

ValueError:无法将字符串转换为 float :'female'

在这里，我意识到我对 train['Sex'] 和 train['Age'] 所做的更改并未反射(reflect)在训练中，并且模型的测试，这似乎是我的模型表现为 19.5% 的原因。我是如何遇到这个问题的？

更新

在第一个答案之后，我尝试相应地修改此行:

train['Age'].fillna(train.groupby('Sex')['Age'].transform("median"), inplace=True)

与:

train['Age'] = train['Age'].fillna(train.groupby('Sex')['Age'].transform("median"), inplace=True)

然后我决定打印 Age 列，结果发现这些值已损坏:

0      None
1      None
2      None
3      None
4      None
5      None
6      None
7      None
8      None
9      None
10     None
11     None
12     None
13     None
14     None
15     None
16     None
17     None
18     None
19     None
20     None
21     None
22     None
23     None
24     None
25     None
26     None
27     None
28     None
29     None
       ... 
861    None
862    None
863    None
864    None
865    None
866    None
867    None
868    None
869    None
870    None
871    None
872    None
873    None
874    None
875    None
876    None
877    None
878    None
879    None
880    None
881    None
882    None
883    None
884    None
885    None
886    None
887    None
888    None
889    None
890    None
Name: Age, Length: 891, dtype: object

Answer 1

那是因为您没有使用该行保存数据框的修改:

train['Sex'].replace(['female', 'male'], [0, 1])

尝试用这个替换它:

train['sex'] = train['Sex'].replace(['female', 'male'], [0, 1])

与train['Embarked']相同。

更新

您不需要对 train['Age'] 执行此操作，fillna 已使用 inplace=true 修改现有数据帧。