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('titanic-2.xlsx'))
titanic

 

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

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

 

2.统计乘客中男女性别人数

sex = titanic['sex'].value_counts()
print("乘客中男性的人数为：{}\n乘客中女性的人数为：{}".format(sex[0],sex[1]))

 

3.统计男女获救的人数

Woman,Man=0,0
for i in titanic.index:
    if titanic['survived'][i] == 1:
        if titanic['sex'][i] == "male":
            Man += 1
        if titanic['sex'][i] == "female":
            Woman += 1
print("存活中男人有{}人,女人有{}人".format(Man,Woman))

 

4.统计乘客所在的船舱等级的人数

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

print("相关性:",titanic[u'survived'].corr(titanic[u'pclass']))

舱位高低与存活率呈负相关关系

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'],grid=False)

从箱体图可以得知等级为1的船舱波动大，为2，3的波动较小