目錄

??1.數據集（部分數據）

 ?? 2、導入數據集與必要模塊

?? 3.數據預處理

1?? isnull函數查看有無缺失值

2??fillna函數填充缺失值

?? Age字段使用平均值填充缺失值

?? Embarked字段填充缺失值

3?? 刪除缺失值較多的字段

?? 4.數據可視化

1?? distplot函數結合了直方圖和核密度估計圖來展示數據的分布特征

2??  countplot函數繪制條形圖，顯示分類變量的觀察計數

3?? boxenplot函數繪制箱線圖

4?? violinplot函數繪制小提琴圖

5??  對年齡進行分級，分開小孩和老人的數據

 ?? 對分級后的年齡進行可視化

 ?? 分析乘客年齡與生還乘客之間的關系

---

??1.數據集（部分數據）

字段名稱	含義說明
Survived	乘客是否獲救，Key：0=沒獲救，1=已獲救
Pclass	乘客船艙等級（1/2/3三個等級艙位）
Name	乘客姓名
Sex	性別
Age	年齡
SibSp	乘客在船上的兄弟姐妹/配偶數量
Parch	乘客在船上的父母/孩子數量
Ticket	船票號
Fare	船票價
Cabin	客艙號碼
Embarked	登船的港口

 ?? 2、導入數據集與必要模塊

# 1.導入必要的模塊
import numpy as np
import pandas as pd 
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']    # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False   # 用來正常顯示負號
%matplotlib inline# 2.導入數據
titanic = pd.read_csv(r"C:/XXX/xxx/Documents/mycrawlers/數據分析與可視化/實驗六——泰坦尼克號/titanic.csv")# 3.查看前5行數據
titanic.head()

?? 3.數據預處理

1?? isnull函數查看有無缺失值

# 查看有無缺失值
titanic.isnull().sum()   

  這里結合了sum方法，對字段的缺失值的個數進行求和

 從上述結果可見，Cabin（客艙號碼）、Embarked（登船的港口）、Fare（船票價）、Age（年齡）、Survived（乘客是否獲救）字段中均有缺失值，而Cabin和Survived是需要考慮實際的情況，從而沒有辦法對缺失值進行填充，因此我們對Age字段按照平均值的方式對其進行填充，作為一個參考

2??fillna函數填充缺失值

fillna(value,method,axis,inplace,limit,downcast)

字段	數據類型	含義
value	dict or series or dataframe	用于填充缺失值的值。如果傳遞的是標量，那么整個對象中的所有缺失值都會被這個標量替換。如果傳遞的是字典，那么字典的鍵應該是列名，值則是用于替換該列缺失值的值。如果傳遞的是 Series 或 DataFrame，則它們的索引必須和原對象的索引對齊，以便進行按位置的替換
method	str	用于填充缺失值的方法。 'backfill' 或 'bfill'：使用下一個有效值進行填充（向后填充） 'pad' 或 'ffill'：使用前一個有效值進行填充（向前填充） None：不進行任何填充，僅返回原始對象
axis	int or str	確定沿著哪個軸進行填充。0 或 'index' 表示按行（即沿著水平軸），1 或 'columns' 表示按列（即沿著垂直軸）
inplace	bool	默認為 False，如果為 True，則直接修改原始對象而不返回新的對象
limit	int	如果 method 不是 None，則此參數用于限制連續填充的最大數量。例如，如果 limit=1，則最多只填充一個缺失值
downcast	dict or str	將可能更大的數據類型向下轉換為可能更小的數據類型，以節省內存。例如，如果某個列是 float64 類型，但所有值都是整數，那么可以將其轉換為 int64 類型

?? Age字段使用平均值填充缺失值

# 1.求age這一列的平均值
mean = titanic['Age'].mean()  # 2.查看平均值
print(mean)# 3.用均值進行缺失值的填充
titanic['Age'] = titanic['Age'].fillna(mean)# 4.統計缺失值
titanic.isnull().sum()

從上圖的結果可知，Age字段沒有缺失值，因此缺失值填充成功，而Embarked字段也可以進行填充

?? Embarked字段填充缺失值

• 使用value_counts來統計登船地點（S,C,Q）的人數

# 1.統計登船地點（S,C,Q）的人數
titanic['Embarked'].value_counts()# 2.得到的結果為
S    914
C    270
Q    123
Name: Embarked, dtype: int64

• 對登船地點進行缺失值的填充（填充為S）

# 1.對登船地點進行缺失值的填充（填充為S）
titanic['Embarked'] = titanic['Embarked'].fillna("S")# 2.統計Embarked字段的缺失值
titanic['Embarked'].isnull().sum()# 3.得到的結果為
0

3?? 刪除缺失值較多的字段

# 1.刪除缺失值較多的字段
del titanic['Cabin']# 2.查看數據的前五行信息
titanic.head()

?? 4.數據可視化

1?? distplot函數結合了直方圖和核密度估計圖來展示數據的分布特征