数据分析实战：泰坦尼克的任务——from kaggle（连载4）

这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。

代码都是jupyter形式

数据重构(下)

import numpy as np
import pandas as pd

6.1 数据聚合与运算

导入上节保存的数据

text = pd.read_csv(r"C:\Users\win 10\Desktop\result.csv")

6.1.1 任务一:了解GroupBy机制

6.1.2 任务二：计算泰坦尼克号男性与女性的平均票价

means = text["Fare"].groupby(text["Sex"]).mean()
means

6.1.3 任务三：统计泰坦尼克号中男女的存活人数

survived_sex = text["Survived"].groupby(text["Sex"]).sum()
survived_sex

6.1.4 任务四：计算客舱不同等级的存活人数

survived_pclass = text["Survived"].groupby(text["Pclass"]).sum()
survived_pclass

6.1.5 任务五：统计在不同等级的票中的不同年龄的船票花费的平均值

text.groupby(['Pclass','Age'])['Fare'].mean().head()

6.1.6 任务六：将任务二和任务三的数据合并，并保存到sex_fare_survived.csv

result = pd.merge(means,survived_sex,on='Sex')
result

result.to_csv(r"C:\Users\win 10\Desktop\sex_fare_survived.csv")

6.1.7 任务七：得出不同年龄的总的存活人数，然后找出存活人数的 最高的年龄，最后计算存活人数最高的存活率（存活人数/总人数）

survived_age = text['Survived'].groupby(text['Age']).sum()
survived_age

survived_age_max=survived_age[survived_age==survived_age.max()]
survived_age_max

_sum = text["Survived"].sum()
_sum

print("总人数：{}".format(_sum))
print("存活人数最高年龄的人数：{}".format(survived_age_max))
print("存活人数最高年龄的人数的存活率：{}".format(survived_age.max()/_sum))