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。

1 import pandas as pd
2 titanic=pd.DataFrame(pd.read_excel(r'D:\Python高级应用\数据文件\titanic.xlsx'))
3 titanic.head()

 

1. 删除无效列

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

 

  2. 删除重复值

1 titanic=titanic.drop_duplicates()
2 titanic.head()

 

 3.  统计空值个数

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

4. 处理缺失值

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

 

 5. 异常值处理

titanic.describe()

 

 

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

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

由此可得，舱位的高低和存活率呈负相关，即舱位越高则存活率越低

 

 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'])

 

由此可得，票价越高舱位等级越高