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