第2次作业

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<br>>>> df[df["survived"]>0].shape[0]

　

 

 

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

　　

 

 2.统计乘客中男女性别人数

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

　　

 

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

 

 

 

3.统计男女获救的人数

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

　　

 

4.统计乘客所在的船舱等级的人数

 

pclass = titanic['pclass'].value_counts()
print("一等舱：{}\n二等舱：{}\n三等舱：{}".format(pclass[1],pclass[2],pclass[3]))

　　

 

 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

print("关联性为",titanic[u'survived'].corr(titanic[u'pclass']))

　　

 

 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？

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

　　

 

 答：船舱1的波动比船舱2，3大。