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()