动手学数据分析Task03数据重构

复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分，在第二章第一节的内容中，我们学习了数据的清洗，这一部分十分重要，只有数据变得相对干净，我们之后对数据的分析才可以更有力。而这一节，我们要做的是数据重构，数据重构依旧属于数据理解（准备）的范围。

开始之前，导入numpy、pandas包和数据：

import pandas as pd
import numpy as np

train_left_up = pd.read_csv('./data/train-left-up.csv')
train_left_up.head()

输出：

目录

 2 第二章：数据重构 

2.4 数据的合并

2.4.1 任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系

2.4.2：任务二：使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up

2.4.3 任务三：使用concat方法：将train-left-down和train-right-down横向合并为一张表，并保存这张表为result_down。然后将上边的result_up和result_down纵向合并为result。 

2.4.4 任务四：使用DataFrame自带的方法join方法和append：完成任务二和任务三的任务

2.4.5 任务五：使用Panads的merge方法和DataFrame的append方法：完成任务二和任务三的任务

2.4.6 任务六：完成的数据保存为result.csv

2.5 换一种角度看数据

2.5.1 任务一：将我们的数据变为Series类型的数据

2.6 数据运用

2.6.1 任务一：通过教材《Python for Data Analysis》P303、Google or anything来学习了解GroupBy机制

2.6.2：任务二：计算泰坦尼克号男性与女性的平均票价

2.6.3：任务三：统计泰坦尼克号中男女的存活人数 

2.6.4：任务四：计算客舱不同等级的存活人数

2.6.5：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

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

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

总结：

---

 2 第二章：数据重构 

2.4 数据的合并

2.4.1 任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系

train_left_down = pd.read_csv('./data/train-left-down.csv')
train_right_up = pd.read_csv('./data/train-right-up.csv')
train_right_down = pd.read_csv('./data/train-right-down.csv')

train_left_down.head()

train_right_up.head()

train_right_down.head()

输出：train_left_down

train_right_up

train_right_down

【提示】结合之前我们加载的train.csv数据，大致预测一下上面的数据是什么

• _up与_down：按照'PassengerId'以439为分割，分成上下两个DataFrame；
• train_right与train_left：将原本train中的数据列分割成左右两个DataFrame；
• 总的来说是将train先行分割后列分割分成4个DataFrame。

 2.4.2：任务二：使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up

result_up = pd.concat([train_left_up,train_right_up],axis=1)
result_up.head()

 可以看出横向合并成功：

2.4.3 任务三：使用concat方法：将train-left-down和train-right-down横向合并为一张表，并保存这张表为result_down。然后将上边的result_up和result_down纵向合并为result。 

result_down = pd.concat([train_left_down,train_right_down],axis=1)
result = pd.concat([result_up,result_down])
result.info()

 可以看出纵向与横向都合并成功：

 2.4.4 任务四：使用DataFrame自带的方法join方法和append：完成任务二和任务三的任务

result_up = train_left_up.join(train_right_up,how='outer')
result_down = train_left_down.join(train_right_down,how='outer')
result = result_up.append(result_down,ignore_index=True)

result.info()

result.tail()

 可以看出纵向与横向都合并成功：

 2.4.5 任务五：使用Panads的merge方法和DataFrame的append方法：完成任务二和任务三的任务

result_up = pd.merge(train_left_up,train_right_up,left_index=True,right_index=True,how='outer')
result_down = pd.merge(train_left_down,train_right_down,left_index=True,right_index=True,how='outer')
result = result_up.append(result_down,ignore_index=True)

result.info()

result.iloc[438:].head()

 可以看出纵向与横向都合并成功：

 

【思考】对比merge、join以及concat的方法的不同以及相同。思考一下在任务四和任务五的情况下，为什么都要求使用DataFrame的append方法，如何只要求使用merge或者join可不可以完成任务四和任务五呢？

方法：仅用pd.merge()完成纵向与横向合并：

#仅用pd.merge()
result_up_m = pd.merge(train_left_up,train_right_up,left_index=True,right_index=True,how='