第二次作业-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)

年龄平均值不取整便于区分缺失

import pandas as pd

 titanic = pd.read_excel('C:\\Users\\82202\\Desktop\\titanic.xlsx')

 titanic['age'] = titanic['age'].fillna(titanic['age'].mean())

 titanic['deck'] = titanic['deck'].fillna(0)

 titanic['embarked'] = titanic['embarked'].fillna(0)

 titanic.head(8)

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

su = titanic['survived'].value_counts()
 print("乘客存活:{},乘客死亡:{}".format(su[1],su[0]))

 

 2.统计乘客中男女性别人数

sex = titanic['sex'].value_counts()
 print("男:{},女:{}".format(sex['male'],sex['female']))

 

 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

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