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)

读入titanic.xisx文件

import pandas as pd
titanic = pd.DataFrame(pd.read_excel('titanic-2.xlsx'))
titanic.head()

 

 

 (1)删除无效列和行

titanic.drop('embark_town', axis = 1, inplace=True)
titanic.head()

 

 （2）重复值处理

titanic.duplicated()            #查找并显示重复列
titanic.drop_duplicates()       #删除重复列
titanic.head()

 

 （3）空值与缺失值处理

titanic['who'].isnull().value_counts()    #空值统计函数

 

　　

titanic['who'] = titanic['who'] .fillna('man')    #使用fillna方法为空值填充数据
titanic

　　

 

 （4）空格处理

titanic['age'] = titanic['age'].map(str.strip)    #删除age数据两边的空格
titanic

　　

 

 (5)异常值处理

titanic.describe()   #查看统计数据

　　

 

 

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

titanic['survived'].value_counts()

　　

 

 

2.统计乘客中男女性别人数

titanic['sex'].value_counts()

　　

 

 

3.统计男女获救的人数

titanic['sex'][titanic['survived']==1].value_counts()

　　

 

 

4.统计乘客所在的船舱等级的人数

titanic['class'].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

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

　　

 

 

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'])
plt.show()

　　

 

 从图中看出舱位等级越高票价越高，票价最高的舱位是1号舱位，3号舱位的票价分布比较密集，1号舱位票价分布比较分散。