avengers

Dataset

本文的数据集是复仇者avengers.csv，是一个著名的和广受喜爱的宇宙超级英雄团队，最初的漫画系列发自于在1960年代。本文主要探索这些复仇者的生与死(作家喜欢写死写活一个复仇者)

• 属性：-URL，Name/Alias， Appearances ，Current? ，Gender ，Probationary
  ，Introl Full/Reserve Avengers Intro ，Year ，Years since joining， Honorary ，Death1 ，Return1， Death2， Return2， Death3 ，Return3， Death4 ，Return4， Death5 ，Return5， Notes]

• 过滤掉一些坏数据，比如说year小于1960年，因为这个漫画出资1960年，通过画关于year的直方图可以观察到这个问题。

import pandas as pd

avengers = pd.read_csv("avengers.csv")
avengers['Year'].hist()
true_avengers = avengers[avengers["Year"] > 1959]

• 计算每个复仇者死亡的次数：

def clean_deaths(row):
    num_deaths = 0
    columns = ['Death1', 'Death2', 'Death3', 'Death4', 'Death5']

    for c in columns:
        death = row[c]
        if pd.isnull(death) or death == 'NO':
            continue
        elif death == 'YES':
            num_deaths += 1
    return num_deaths

true_avengers['Deaths'] = true_avengers.apply(lambda row: clean_deaths(row), axis=1)

• 探索加入的时间是否正确

joined_accuracy_count  = int()
correct_joined_years = true_avengers[true_avengers['Years since joining'] == (2015 - true_avengers['Year'])]
joined_accuracy_count = len(correct_joined_years)