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.read_excel('D:\Chrome下载/titanic-2.xlsx') titanic.head()
# 删除无效列与行 titanic.drop('embark_town', axis=1, inplace=True) titanic.head()
#删除掉重复值 titanic=titanic.drop_duplicates() titanic.head()
#缺失值与空值的处理 titanic['who'].isnull().value_counts()
#异常值替换为平均值 titanic.describe() titanic.replace([512.329200],titanic['fare'].mean())
扫描二维码关注公众号,回复:
7473432 查看本文章
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
titanic['survived'].corr(titanic['pclass'])
由此可看出是负相关性,即舱位越高,存活率越低。
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'])
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