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
2
3
|
import pandas as pd titanic = pd.read_excel( 'D:\python/titanic.xlsx' ) titanic.head() |
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
2
|
sc = titanic[ 'survived' ].value_counts() print ( "乘客存活:{},乘客死亡:{}" . format (sc[ 1 ],sc[ 0 ])) |
2.统计乘客中男女性别人数
1
2
|
sex = titanic[ 'sex' ].value_counts() print ( "乘客中男性:{},乘客中女性:{}" . format (sex[ "male" ],sex[ "female" ])) |
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
2
|
pclass = titanic[ 'pclass' ].value_counts() print ( "乘客所在的船舱等级是1的人数为:{}\n乘客所在的船舱等级是2的人数为:{}\n乘客所在的船舱等级是3的人数为:{}" . 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
1
|
print ( "舱位高低和存活率的关联性为" ,titanic[u 'survived' ].corr(titanic[u '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?
titanic.boxplot(['fare'],['pclass'],grid = False)