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\\YoungLouis\\Desktop\\python\\titanic.xlsx'))
titanic.head()

 

 

 

 

titanic.drop('embark_town',axis=1,inplace=True)
titanic.head()

titanic=titanic.drop_duplicates()
titanic.head(）

titanic['who'].isnull().value_counts()

titanic['who']=titanic['who'].fillna('man')
titanic.head()

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

titanic.describe()

titanic.replace([512.329200],titanic['fare'].mean())

survived = titanic['survived'].value_counts()
print("乘客存活人数为：{}\n乘客死亡的人数为：{}".format(survived[1],survived[0]))

sex = titanic['sex'].value_counts()
print("男性人数为：{}\n女性人数为：{}".format(sex[0],sex[1]))

female,male=0,0
for i in titanic.index:    #循环统计在存活的人数中男女的个数
    if titanic['survived'][i] == 1:
        if titanic['sex'][i] == "male":
            male += 1
        if titanic['sex'][i] == "female":
            female += 1
print("存活中男性有{}人,女性有{}人".format(male,female))

pclass = titanic['pclass'].value_counts()
print("乘客所在的船舱等级为1的人数：{}\n乘客所在的船舱等级为2的人数：{}\n乘客所在的船舱等级为3的人数：{}".format(pclass[1],pclass[2],pclass[3]))

print("舱位的高低和存活率的相关性为",titanic[u'survived'].corr(titanic[u'pclass']))

import pandas as pd
import numpy as np 
import matplotlib.pyplot as plt
T1 = titanic.fare[titanic.pclass == 1]
T2 = titanic.fare[titanic.pclass == 2]
T3 = titanic.fare[titanic.pclass == 3]
plt.boxplot((T1,T2,T3))
plt.ylim(0,200)
plt.show()