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。
1 import pandas as pd 2 titanic=pd.DataFrame(pd.read_excel(r'D:\Python高级应用\数据文件\titanic.xlsx')) 3 titanic.head()
1. 删除无效列
1 titanic.drop('embark_town', axis = 1, inplace=True) 2 titanic.head()
2. 删除重复值
1 titanic=titanic.drop_duplicates() 2 titanic.head()
3. 统计空值个数
titanic['who'].isnull().value_counts()
4. 处理缺失值
1 titanic['age']=titanic['age'].fillna(titanic['age'].mean()) 2 titanic.head()
5. 异常值处理
titanic.describe()
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['pclass'].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['pclass'].corr(titanic['survived'])
由此可得,舱位的高低和存活率呈负相关,即舱位越高则存活率越低
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'])
由此可得,票价越高舱位等级越高