第二次作业-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(r'C:\Users\Administrator\PycharmProjects\untitled\venv\titanic-2.xlsx'))
titanic.head()

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

 

 

 

# 查看重复值，值为True,表示该行是一个重复值,将重复值删除
titanic.duplicated()
titanic.drop_duplicates()

 

 

 

 

 

 

#将age和embarked的空值与缺失值分别填充为age的平均值和S
titanic['age'].isnull().value_counts()
titanic['embarked'].isnull().value_counts()
titanic['age'] = titanic['age'].fillna(titanic['age'].mean())
titanic['embarked'] = titanic['embarked'].fillna('S')

 

 

#异常值替换为平均值
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

alive = titanic['survived'].value_counts()
print('乘客存活%s人，死亡%s人'%(alive[1],alive[0]))

2.统计乘客中男女性别人数

sex = titanic['sex'].value_counts()
print('乘客中男性%s人，女性%s人'%(sex['male'],sex['female']))

3.统计男女获救的人数

rescued = titanic.groupby('survived')['sex'].value_counts().unstack()
print('男性%s获救，女性%s获救'%(rescued.loc[1,'male'],rescued.loc[1,'female']))

4.统计乘客所在的船舱等级的人数

pClass = titanic['pclass'].value_counts()
print('乘客所在一等舱%s人，二等舱%s人，三等舱%s人'%(pClass[1],pClass[2],pClass[3]))

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

titanicCorr = titanic.corr().loc['survived','pclass']
print('舱位与存活率的相关系数为%s,可以看出有正相关性'% titanicCorr)

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？

import matplotlib.pyplot as plt
titanic.boxplot(['fare'],['pclass'],grid=False)
plt.show()
print('从图中可以看出一等票价格浮动较大，二等和三等价格浮动较小')