當然，也可以到之前反覆提到的檔案，這邊都有相關檔案，也有我們寫好的範例程式
回到Anaconda，點「Home」，選Jupyter Notebook的安裝「Install」，然後開啟「Launch」。
此步驟也可以在剛剛的cmd/Terminal中進行，需要在
Windows請輸入：activate tensorflow
Mac請輸入：source activate tensorflow
進入環境中，再輸入
jupyter notebook

此時會跳到這個畫面，請記住這個目錄，之後我們會下載一些程式，放在這目錄下方便查找
例如

載入各種套件：
如果有還沒安裝的套件，到cmd/Terminal:
通常是「pip insall 套件名稱」、「conda install 套件名稱」就可以；如果比較複雜的，可能就需要上網查一下

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt
import seaborn as sns

from sklearn.preprocessing import LabelEncoder, MinMaxScaler
from sklearn.ensemble import GradientBoostingClassifier, GradientBoostingRegressor

請把檔案都下載後放到好找的位置
請選 Big_Data/titanic 的 titanic_simple.ipynb

讀取csv文件

df_train = pd.read_csv('./data/' + 'titanic_train.csv')
df_test = pd.read_csv('./data/' + 'titanic_test.csv')

列出幾條資料

print(df_train.shape)
df_train.head()

使用sns列出一些與倖存相關的欄位：

1. 生存的比例大概是4成、死亡的比例是6成
   sns.countplot(df_train['Survived'])

2. 女人生存率是男人的好幾倍
   sns.countplot(df_train['Sex'], hue=df_train['Survived'])

3. 1等艙的生存率最高、再來是2等艙、最後是3等艙
   sns.countplot(df_train['Pclass'], hue=df_train['Survived'])

4. S港出發的都比較容易死亡（後續看是此港上船的買的是便宜的倉等）
   sns.countplot(df_train['Embarked'], hue=df_train['Survived'])
   

5. 年齡小的存活比例高

g = sns.FacetGrid(df_train, col='Survived')
g.map(sns.distplot, 'Age', kde=False)

6. 有家人一起上船的，存活率比沒有的高（把「父母＋小孩」加上「兄弟姊妹＋丈夫妻子」的數量變成一個新的欄位叫做家庭大小）

df_train['Family_Size'] = df_train['Parch'] + df_train['SibSp']
g = sns.FacetGrid(df_train, col='Survived')
g.map(sns.distplot, 'Family_Size', kde=False)