使用 Pandas 统计泰坦尼克号各等级独自乘坐和非独自乘坐人数

本教程将演示如何使用 Python 的 Pandas 库分析泰坦尼克号乘客数据，并统计各等级(Pclass)独自乘坐和非独自乘坐的人数。

数据准备:

假设您有一个名为 'Titanic.csv' 的文件，其中包含泰坦尼克号乘客数据，并且该文件包含 'PassengerId', 'Pclass' 和 'SibSp' 等列。

**代码:**pythonimport pandas as pd

读取文件数据，并将PassengerId列设置为行索引。passenger_df = pd.read_csv('Titanic.csv', index_col='PassengerId')

创建一个新的DataFrame，只包含独自乘坐的乘客alone_df = passenger_df[passenger_df['SibSp'] == 0]

统计各等级独自乘坐的人数alone_counts = alone_df['Pclass'].value_counts()

创建一个新的DataFrame，只包含非独自乘坐的乘客not_alone_df = passenger_df[passenger_df['SibSp'] > 0]

统计各等级非独自乘坐的人数not_alone_counts = not_alone_df['Pclass'].value_counts()

将结果进行合并result_df = pd.concat([alone_counts, not_alone_counts], axis=1)result_df.columns = ['独自乘坐人数', '非独自乘坐人数']result_df = result_df.fillna(0) # 将缺失值填充为0

print(result_df)

代码解释:

1. 首先，我们使用 pd.read_csv() 函数读取 'Titanic.csv' 文件，并使用 index_col 参数将 'PassengerId' 列设置为 DataFrame 的索引。2. 然后，我们根据 'SibSp' 列的值创建两个新的 DataFrame，分别存储独自乘坐和非独自乘坐的乘客数据。3. 接下来，我们使用 value_counts() 函数统计每个等级的乘客数量。4. 然后，我们使用 pd.concat() 函数将两个结果合并成一个 DataFrame。5. 最后，我们使用 fillna(0) 函数将缺失值填充为 0，并使用 print() 函数打印结果。

结果:

运行以上代码，您将获得一个 DataFrame，其中显示了每个等级独自乘坐和非独自乘坐的人数。

总结:

本教程演示了如何使用 Pandas 分析泰坦尼克号乘客数据，并统计各等级独自乘坐和非独自乘坐的人数。您可以使用类似的方法分析其他数据集，并提取有价值的信息。