python高级应用第二次作业-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)

1 import pandas as pd
2 titanic=pd.DataFrame(pd.read_excel(r'C:\Users\Bsea\Desktop/titanic-2.xlsx'))
3 titanic.head()

 

 

 

 

1 #删除无效列
2 titanic.drop('embark_town',axis=1,inplace=True)

3 titanic.head()

 

 

1 #查找重复值
2 titanic.duplicated()

 

 






1 #删除重复值

2 titanic = titanic.drop_duplicates()


3 titanic.head()



 


 


 


 






1 #统计空值的个数
2 titanic['who'].isnull().value_counts()



 


 






1 #使用fillna方法填充空值
2 titanic['who']=titanic['who'].fillna('man')
3 titanic



 


 






1 titanic['age'].isnull().value_counts()



 


 






1 #使用fillna为age列填充平均值
2 titanic['age']=titanic['age'].fillna(titanic['age'].mean())
3 titanic.head()



 


 






1 #使用describe查看统计信息
2 titanic.describe()



 


 






1 #将异常值替换成平均值
2 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




1 titanic['survived'].value_counts()






 


 


 


2.统计乘客中男女性别人数




1 titanic['sex'].value_counts()






 


 


 


3.统计男女获救的人数




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






 


 


 


4.统计乘客所在的船舱等级的人数




1 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




1 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？







		

		
posted @ 
2019-10-17 20:51 
Bsea0930 
阅读(199) 
评论(0) 
 
收藏 
举报