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)

>>> import pandas as pd
>>> df = pd.read_excel(r'E:\titanic.xlsx')
>>> df.head()

　　

 

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

#存活人数
>>> df[df["survived"]>0].shape[0]

　　

#死亡人数
>>> df[df["survived"]<1].shape[0]

　　

 

2.统计乘客中男女性别人数

#女性人数
>>> df[df["sex"]!="male"].shape[0]

　　

#男性人数
>>> df[df["sex"]=="male"].shape[0]

　　

 

3.统计男女获救的人数

#女性获救人数

>>> rf = df[(df["survived"]>0)]
>>> rf[rf["sex"] != "male"].shape[0]

　　

#男性获救人数

>>> rf = df[(df["survived"]>0)]
>>> rf[rf["sex"] == "male"].shape[0]

　　

 

4.统计乘客所在的船舱等级的人数

#票类型为1类的乘客数量

>>> one=df[df["pclass"]==1].shape[0]
>>> print(one)

　　

#票类型为2类的乘客数量

>>> two=df[df["pclass"]==2].shape[0]
>>> print(two)

　　

 

#票类型为3类的乘客数量

>>> three=df[df["pclass"]==3].shape[0]
>>> print(three)

　　

 

 

 

 

 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

#船舱高低与存活率关联性比较低

>>> c = df.corr()
>>> c.loc['pclass','survived']

　　

 

 

 

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？

>>> df.boxplot(column=['fare'],by=['pclass'],grid=False)
<matplotlib.axes._subplots.AxesSubplot object at 0x0000026B568AE278>
>>> import matplotlib.pyplot as plt
>>> import pandas as pd
>>> df.boxplot(['fare'],['pclass'])
<matplotlib.axes._subplots.AxesSubplot object at 0x0000026B56DE37F0>
>>> pit.show()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'pit' is not defined
>>> plt.show()