python 第二次作业

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)

二、对titanic数据集完成以下统计操作

将titanic.xlsx文件导入

 

import pandas as pd
titanic=pd.DataFrame(pd.read_excel(r'C:\Users\Administrator\titanic.xlsx'))

1.统计乘客死亡和存活人数

sc = titanic['survived'].value_counts()
print("存活:{},死亡:{}".format(sc[1],sc[0]))

2.统计乘客中男女性别人数

sex = titanic['sex'].value_counts()
print("男性:{},女性:{}".format(sex["male"],sex["female"]))

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("男性:{},女性{}".format(man,woman))

4.统计乘客所在的船舱等级的人数

pclass = titanic['pclass'].value_counts()
print("等级为1的人数:{},等级为2的人数:{},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']))

取绝对值后，0-0.09为没有相关性，0.3-弱，0.1-0.3为弱相关，0.3-0.5为中等相关，0.5-1.0为强相关

所以舱位的高低和存活率的关系为中等相关

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)

票价在等级为1的船舱中浮动较小，在等级为2,3波动较小