代码

# -*- coding: UTF-8 -*-
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pylab import *
from scipy import stats

df = pd.read_excel("D:/学习/大数据/每周任务/第6周数据/data.xlsx", header=0)
# ~取反，Fare==0和Fare>500的数据应非正常数据，应剔除
df = df[~((df.Fare > 500) | (df.Fare == 0))]
grouped_df = df.groupby('Embarked')


# 定义统计信息函数，可以输出均值、方差、标准差、变异系数等信息
def Static_Info(type_str):
    info_df = pd.DataFrame()
    info_df['mean'] = grouped_df.mean()[type_str]
    info_df['var'] = grouped_df.var()[type_str]
    info_df['std'] = grouped_df.std()[type_str]
    info_df['cov'] = info_df['std'] / info_df['mean']
    info_df['min'] = grouped_df.min()[type_str]
    info_df['max'] = grouped_df.max()[type_str]
    info_df['count'] = grouped_df.count()['Fare']
    return info_df


print('-' * 20 + '年龄统计信息：' + '-' * 20)
print(Static_Info('Age'))
print('-' * 20 + '票价统计信息：' + '-' * 20)
print(Static_Info('Fare'))

# 解决乱码
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
# 绘制分布图
plt.hist(df.Fare, 50, density=True)
plt.axis([min(df.Fare), max(df.Fare), 0, 0.06])
plt.xlabel(u'价 格')
plt.ylabel(u'概 率')
plt.show()

print("-" * 50)
print("使用shapiro方法检验总体船票价格是否符合正态分布：")
w, p = stats.shapiro(df['Fare'])
print('w值为：%f，p值为：%f' % (w, p))
if p > 0.005:
    print('总体票价符合正态分布')
else:
    print('总体票价符不合正态分布')

print("-" * 50)
print("使用shapiro方法检验C港口船票价格是否符合正态分布：")
w_C, p_C = stats.shapiro(df[(df.Embarked == 'C')].Fare)
print('w值为：%f，p值为：%f' % (w_C, p_C))
if p_C > 0.005:
    print('C港口票价符合正态分布')
else:
    print('C港口票价符不合正态分布')
print("-" * 50)

print("使用shapiro方法检验S港口船票价格是否符合正态分布：")
w_S, p_S = stats.shapiro(df[(df.Embarked == 'S')].Fare)
print('w值为：%f，p值为：%f' % (w_S, p_S))
if p_S > 0.005:
    print('S港口票价符合正态分布')
else:
    print('S港口票价符不合正态分布')
print("-" * 50)

运行结果

剔除粗差后票价概率分布图

卡方检验

待补充

C港S港价格之差服从何种分布

待补充