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)

import pandas as pd
titanic=pd.DataFrame(pd.read_excel('C:/Users/3號/Downloads/titanic-2.xlsx'))
titanic.head()

 

 

# 刪除無效列
titanic.drop('embark_town', axis = 1, inplace=True)
titanic.head()

 

 

# 查找重複值
titanic.duplicated()

 

 

# 刪除重複值
titanic = titanic.drop_duplicates()
titanic.head()

 

 

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

 

 

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

 

 

#統計age空值的個數
titanic['age'].isnull().value_counts()

 

 

# 使用fillna方法爲age字段填充平均值
titanic['age'] = titanic['age'] .fillna(titanic['age'].mean())
titanic.head()

 

 

#使用describe查看統計信息
titanic.describe()

 

 

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

 

 

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

titanic['survived'].value_counts()

2.統計乘客中男女性別人數

titanic['sex'].value_counts()

 

 

3.統計男女獲救的人數

 

 titanic.groupby(['survived','sex'])['sex'].count()

 

 

4.統計乘客所在的船艙等級的人數

titanic['class'].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

 

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

 

 說明二者呈負相關，艙位越低，存活率越高。

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？

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

 結論：說明艙位等級越高，票價越高。