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)

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

survived = tt['survived'].value_counts()
print(survived[1],survived[0])

 

 

 

2.统计乘客中男女性别人数

sex = tt['sex'].value_counts()
print(sex)

 

 

 

3.统计男女获救的人数

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

 

 

 

4.统计乘客所在的船舱等级的人数

pclass = tt['pclass'].value_counts()
print(pclass)

 

 

 

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

 tt.survived.corr(tt.pclass)

 tt['survived'][tt['pclass']==1].value_counts()

 tt['survived'][tt['pclass']==2].value_counts()

 tt['survived'][tt['pclass']==3].value_counts()

 

 

 说明客舱等级越高 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？

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

 

 

 票价与乘客的存活率相关