第2次作业-titanic数据集练习

一、读入titanic.xlsx文件，按照教材示例步骤，完成数据清洗。

titanic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)

#先导入文件
import pandas as pd
titanic = pd.read_excel('数据文件/titanic-2.xlsx')
titanic.head() #打印文件的前5行，试验是否导入成功

 

 

二、对titanic数据集完成以下统计操作

1.统计乘客死亡和存活人数

#统计乘客死亡人数
df[ titanic['survived']  == 0 ].shape[0]

 

 

#统计乘客存活人数
df[ titanic['survived']  == 1 ].shape[0]

 

 

2.统计乘客中男女性别人数

#统计乘客中男性人数
df[ titanic['sex']  == "male" ].shape[0]

 

 

#统计乘客中女性人数
df[ titanic['sex']  == "female" ].shape[0]

 

 

3.统计男女获救的人数

#统计获救的男性
a = df[ titanic['survived']  == 1 ]
a[a['sex']  == "male" ].shape[0]

 

 

#统计获救的女性
a = df[ titanic['survived']  == 1 ]
a[a['sex']  == "female" ].shape[0]

 

 

4.统计乘客所在的船舱等级的人数

#统计乘客所在的1号船舱的人数
df[ titanic['class']  == "First" ].shape[0]

 

 

#统计乘客所在的2号船舱的人数
df[ titanic['class']  == "Second" ].shape[0]

 

 

#统计乘客所在的2号船舱的人数
df[ titanic['class']  == "Third" ].shape[0]

 

 

5.使用corr（）函数，判断两个属性是否具有相关性，分析舱位的高低和存活率的关系

#使用corr（）函数，判断两个属性是否具有相关性，分析舱位的高低和存活率的关系
b = titanic.corr()
b.loc['survived','pclass']

 

 该数值的绝对值为0.33848，说明舱位的高低和存活率的关系为中度相关

6.画出乘客票价与舱位等级的箱体图Boxplot，从图中能够得到哪些结论？

#画出乘客票价与舱位等级的箱体图Boxplot
titanic.boxplot(column=['fare'],by=['pclass'],grid=False)

 

 

 一等舱票价最高，然后是二等舱，最后是三等舱