Datawhale《动手学数据分析》Task03：数据重构

2 第二章：数据重构

2.4 数据的合并

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_up = pd.read_csv("data/train-left-up.csv")
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_up.head()
train_left_down.head()
train_right_up.head()
train_right_down.head()

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

#横向合并 axis=1
result_up=pd.concat([train_left_up,train_right_up],axis=1)
result_up.head()

 

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_down.head()

#纵向合并 axis默认=0
result=pd.concat([result_up,result_down],axis=0)
result.head()

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_upj = train_left_up.join(train_right_up, how='right')
result_downj = train_left_down.join(train_right_down, how='right')
resulta = result_upj.append(result_downj)
resulta.head()

 

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_upm = pd.merge(train_left_up,train_right_up, how='right',left_index=True,right_index=True)
result_downm = pd.merge(train_left_down,train_right_down, how='right',left_index=True,right_index=True)
resultam = result_upm.append(result_downm)
resultam.head()

 

任务六：完成的数据保存为result.csv

result.to_csv('result.csv')

2.5 换一种角度看数据

任务一：将我们的数据变为Series类型的数据

result_Series = pd.Series(result['Age'].values, index=result['PassengerId'])
result_Series

 

result_Series=result.stack()
result_Series.head()

 

第一部分：数据聚合与运算

2.6 数据运用

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

【学习】https://www.jianshu.com/p/512273858104

任务二：计算泰坦尼克号男性与女性的平均票价

#访问Fare并使用Sex列
df = pd.read_csv(r"..\titanic\train.csv")
#df.head()
#df.isnull().sum()
Ticketmean=df['Fare'].groupby(df['Sex']).mean()
Ticketmean

 

任务三：统计泰坦尼克号中男女的存活人数

#访问Survived并使用Sex列
SurviveSex=df['Survived'].groupby(df['Sex'])
SurviveSex.sum()

 

任务四：计算客舱不同等级的存活人数

#访问Survived并使用Pclass列
SurviveClass=df['Survived'].groupby(df['Pclass'])
SurviveClass.sum()

 

【思考】从任务二到任务三中，这些运算可以通过agg()函数来同时计算。并且可以使用rename函数修改列名。你可以按照提示写出这个过程吗？

#参考答案：
df.groupby('Sex').agg({'Fare': 'mean', 'Pclass': 'count'}).rename(columns=
                            {'Fare': '平均票价', 'Pclass': '存活人数'})

 

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

#Age缺失值置均值
df['Age']=df['Age'].fillna(df['Age'].mean())

#访问Fare并使用Pclass、Age列
TPAmean=df['Fare'].groupby([df['Pclass'],df['Age']]).mean()
TPAmean

 

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

sex_fare_survived = pd.merge(Ticketmean,SurviveSex.sum(),on='Sex')
sex_fare_survived
result.to_csv('sex_fare_survived.csv')

 

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）

#不同年龄的总的存活人数
SurviveA=df['Survived'].groupby(df['Age']).sum()
SurviveA

#存活人数最多的年龄段
SurviveA[SurviveA.values==SurviveA.max()]

#计算存活人数最高的存活率（存活人数/总人数）
SurviveA.max()/df['Survived'].sum()