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)

1 import pandas as pd
2 titanic=pd.DataFrame(pd.read_excel('H:\python安装包\python课堂下载资料\李晓宏/titanic.xlsx'))
3 titanic.head()

 

1.删除无效行与列

1 #删除无效行与列
2 titanic.drop('embark_town',axis=1,inplace=True)
3 titanic.head()

2.重复值处理

1 # 查找重复值
2 titanic.duplicated()

 

 

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

3.空值与缺失值处理

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

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

 

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

4.空格处理

1 titanic['fare']=titanic['fare'].map(str.strip)   #删除数据两边的空格
2 titanic['fare']=titanic['fare'].map(str.lstrip)  #删除数据左边的空格
3 titanic['fare']=titanic['fare'].map(str.rstrip)  #删除数据右边的空格

5.异常值处理

1 #使用describe查看统计信息
2 titanic.describe()

1 # 将异常值替换为平均值
2 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

1 titanic['survived'].value_counts()

2.统计乘客中男女性别人数

1 titanic['sex'].value_counts()

3.统计男女获救的人数

1 titanic.groupby('survived')['sex'].value_counts().unstack()

4.统计乘客所在的船舱等级的人数

1 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

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

关系：舱位的高低和存活率成负相关,表示在一定情况下，舱位如果越高，存活率反而低，反之舱位越低，存活率就高。

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？

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

 

 从上面的箱体图可以得出结论：舱位等级越高，乘客票价越贵，舱位等级和乘客票价之间成正相关关系