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)

import pandas as pd      #导入文件
titanic=pd.DataFrame(pd.read_excel('C:\\Users\\Chenyize\\Desktop\\titanic.xlsx'))
titanic.head()

 

 

 

titanic.drop('embark_town',axis=1,inplace=True)
#xxx列不需要进行删除 axis=1为列a，xis=0 为行
titanic.head()

 

 

 

titanic.duplicated()   #判断是否重复
titanic = titanic.drop_duplicates()
titanic.head()

 

 

 

#为空值填充最大值（max）、最小值(min)、中值(median)、平均值(mean)
titanic['age']=titanic['age'].fillna(titanic['age'].mean()) 
titanic.head()

 

 

 

titanic.describe()  #查看DataFrame每栏的统计数据

 

 

 

#异常值替换成平均值#
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

titanic['survived'].value_counts()

2.统计乘客中男女性别人数

titanic['sex'].value_counts()

3.统计男女获救的人数

titanic.groupby('sex')['survived'].value_counts().unstack()

4.统计乘客所在的船舱等级的人数

titanic.groupby(['pclass']).size()

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

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

 

 三号仓位的票价及存活率最低