第2次做業-titanic數據集練習

1、讀入titanic.xlsx文件，按照教材示例步驟，完成數據清洗。

titanic數據集包含11個特徵，分別是：

Survived:0表明死亡，1表明存活
Pclass:乘客所持票類，有三種值(1,2,3)
Name:乘客姓名
Sex:乘客性別
Age:乘客年齡(有缺失)
SibSp:乘客兄弟姐妹/配偶的個數(整數值)
Parch:乘客父母/孩子的個數(整數值)
Ticket:票號(字符串)
Fare:乘客所持票的價格(浮點數，0-500不等)
Cabin:乘客所在船艙(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\Administrator.PC-20180405YJVN\Desktop\titanic.xlsx')) 3 titanic.head()

 

 

1 #刪除無效行與列
2 titanic.drop('embark_town',axis=1,inplace=True) 3 titanic.head()

 

 

1 #查找重複值
2 titanic.duplicated()

 

 

1 #重複值處理
2 titanic = titanic.drop_duplicates() 3 titanic.head()

 

 

1 #統計空值的個數
2 titanic['who'].isnull().value_counts()

 

 

1 #使用fillna方法爲「who」字段的空值填充數據「man」
2 titanic['who']=titanic['who'].fillna('man') 3 titanic.head()

 

 

1 #對於數據表中「age」字段的空值，爲其填充平均值
2 titanic['age']=titanic['age'].fillna(titanic['age'].mean()) 3 titanic.head()

 

 

1 #判斷是否存在異常值
2 titanic.describe()

 

 

1 #將異常值替換爲平均值
2 titanic.replace([512.329200],titanic['fare'].mean()) 3 titanic.head()

 

 

2、對titanic數據集完成如下統計操做

1.統計乘客死亡和存活人數

1 titanic['survived'].value_counts()

 

2.統計乘客中男女性別人數

1 titanic['sex'].value_counts()

 

 

3.統計男女獲救的人數

1 survive = titanic['sex'][titanic['survived']==1].value_counts() 2 print(survive)

 

 

4.統計乘客所在的船艙等級的人數

1 titanic['pclass'].value_counts()

 

 

5.使用corr（）函數，判斷兩個屬性是否具備相關性，分析艙位的高低和存活率的關係

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

 

 分析：根據數據可得，這是負相關，即艙位越高，存活率越高，反之亦然。

 

6.畫出乘客票價與艙位等級的箱體圖Boxplot，從圖中可以獲得哪些結論？

1 titanic.boxplot(['fare'],['pclass'])

 

 結論：艙位越高，價格越貴，存活率越高，反之亦然。