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)

import pandas as pd
titanic=pd.DataFrame(pd.read_excel('C:/Users/ASUS/Desktop/titanic.xlsx'))
titanic.head()

 

 

 

# 删除无效列
titanic.drop('embark_town', axis = 1, inplace=True)
titanic.head()

 

 

 

 

1 # 查找重复值
2 titanic.duplicated()

 

 

 

 

# 删除重复值
titanic = titanic.drop_duplicates()
titanic.head()

 

 

 

 

# 统计空值的个数
titanic['who'].isnull().value_counts()

 

 

 

 

 

# 使用fillna方法填充空值
titanic['who'] = titanic['who'] .fillna('man')
titanic

 

 

 

#年龄为空值的个数
titanic['age'].isnull().value_counts()

 

 

 

 

# 使用fillna方法为age字段填充平均值
titanic['age'] = titanic['age'] .fillna(titanic['age'].mean())
titanic.head()

 

 

 

 

#使用describe查看统计信息
titanic.describe()

 

 

 

 

# 将异常值替换为平均值
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('survived')['sex'].value_counts().unstack()

 

 

 4.统计乘客所在的船舱等级的人数

titanic['pclass'].value_counts()

 

 

 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'])

 

 分析：由得出的数据可知，此为负相关，即舱位越高存活率越高，舱位越低存活率越低。

 

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？

titanic.boxplot(['fare'],['pclass'])

 

 结论：由箱体图Boxplot可知，舱位的等级越高其价格也越贵。