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)

1、

1 2 3

import pandas as pd titanic=pd.DataFrame(pd.read_excel('titanic-2.xlsx')) titanic.head()

　　

 

 2、

1 2 3

# 删除无效列 titanic.drop('embark_town', axis = 1, inplace=True) titanic.head()

　　

 

 3、

1 2	# 查找重复值 titanic.duplicated()

　　

 

 4、

1 2 3

# 删除重复值 titanic = titanic.drop_duplicates() titanic.head()

　　

 

 5、

1 2	# 统计空值的个数 titanic['who'].isnull().value_counts()

　　

 

 6、

1 2 3

# 使用fillna方法填充空值 titanic['who'] = titanic['who'] .fillna('man') titanic

　　

 

 7、

1	titanic['age'].isnull().value_counts()

　　

 

 8、

1 2 3

# 使用fillna方法为age字段填充平均值 titanic['age'] = titanic['age'] .fillna(titanic['age'].mean()) titanic.head()

　　

 

 9、

1 2	#使用describe查看统计信息 titanic.describe()

　　

 

 10、

1 2	# 将异常值替换为平均值 titanic.replace([512.329200],titanic['fare'].mean())

　　

 

 

 

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

1	titanic['survived'].value_counts()

　　

 

 

2.统计乘客中男女性别人数

1	titanic['sex'].value_counts()

　　

 

 

3.统计男女获救的人数

1	titanic['sex'][titanic['survived'] == 1].value_counts()

　　

 

 

4.统计乘客所在的船舱等级的人数

1	titanic['class'].value_counts()

　　

 

 

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

1	titanic['survived'].corr(titanic['pclass'])

　　

 

 结果为负数，呈负相关，舱位越高，存活率越低。

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？

1	titanic.boxplot(['fare'],['pclass'],grid = False)

　　

 

 一等票价格浮动较大，二等、三等票价格浮动较小。