【DataWhale]Task03:数据重构

目录

第二章Part2：数据重构

2.4数据的合并---concat方法、join方法、append方法

2.4.1 任务一：将data文件夹里面的所有数据都载入，与之前的原始数据相比，观察他们的之间的关系

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对象自带的方法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

数据重构依旧属于数据理解（准备）的范围，其主要目的是为了满足分析、挖掘和建模要求，往往处理效率不是优先考虑的。事实上，数据结构复杂或者不满足模型要求的数据比特大量级的数据更可怕。

# 导入基本库,数据处理的基本操作
import numpy as np
import pandas as pd

# 载入data文件中的:train-left-up.csv
text = pd.read_csv('/Users/chenandong/Documents/datawhale数据分析每个人题目设计/招募阶段/第二章项目集合/data/train-left-up.csv')
text.head()

  

第二章Part2：数据重构

2.4数据的合并---concat方法、join方法、append方法

2.4.1 任务一：将data文件夹里面的所有数据都载入，与之前的原始数据相比，观察他们的之间的关系

#加载对应文件
text_left_up = pd.read_csv(r'C:\Users\maxqu\Desktop\动手学数据分析\hands-on-data-analysis-master\第二章项目集合\data\train-left-up.csv')
text_left_down = pd.read_csv(r'C:\Users\maxqu\Desktop\动手学数据分析\hands-on-data-analysis-master\第二章项目集合\data\train-left-down.csv')
text_right_up = pd.read_csv(r'C:\Users\maxqu\Desktop\动手学数据分析\hands-on-data-analysis-master\第二章项目集合\data\train-right-up.csv')
text_right_down = pd.read_csv(r'C:\Users\maxqu\Desktop\动手学数据分析\hands-on-data-analysis-master\第二章项目集合\data\train-right-down.csv')

text_left_up.head()
text_left_down.head()
text_right_down.head()
text_right_up.head()

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

concat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

 参数说明
objs: series，dataframe或者是panel构成的序列lsit
axis： 需要合并链接的轴，0是行，1是列
join：连接的方式 inner是取交集，或者outer取并集

其他一些参数不常用，用的时候再补上说明。

concat方法的详细用法见此帖

list_up = [text_left_up,text_right_up]# 先将表构成list，
result_up = pd.concat(list_up,axis=1)#然后在作为concat方法的参数输入
result_up.head()

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。

list_down=[text_left_down,text_right_down]
result_down = pd.concat(list_down,axis=1)
#前两行代码相当于：result_down = pd.concat([text_left_down,text_right_down],axis=1)
result = pd.concat([result_up,result_down])
#上一行代码相当于：result_1=[result_up,result_down]；result=pd.concat(result_1,axis=0)
result.head()

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

append是series和dataframe的方法，使用它就是默认沿着（axis = 0）列进行拼接

DataFrame的join默认为左连接

resul_up = text_left_up.join(text_right_up)#将text_right_up左连接至text_left_up
result_down = text_left_down.join(text_right_down)将text_right_down左连接至text_left_down
result = result_up.append(result_down)#append方法默认按列上下连接，可修改参数
result.head()

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(text_left_up,text_right_up,left_index=True,right_index=True)#merge函数index默认为False
result_down = pd.merge(text_left_down,text_right_down,left_index=True,right_index=True)
result = resul_up.append(result_down)
result.head()

【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？--- 尝试调整各方法的参数应该可以做到。 

2.4.6 任务六：完成的数据保存为result.csv

result.to_csv('result.csv')
#此处为保存绝对路径，未调试好绝对路径环境可能会报错

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

# 将完整的数据加载出来
text = pd.read_csv(r'C:\Users\maxqu\Desktop\动手学数据分析\hands-on-data-analysis-master\第二章项目集合\result.csv')
text.head()
# 代码写在这里
unit_result=text.stack().head(20)
unit_result.head()

  

 表格在行列方向上均有索引（类似于DataFrame），花括号结构只有“列方向”上的索引（类似于层次化的Series），结构更加偏向于堆叠（Series-stack，方便记忆）。stack函数会将数据从”表格结构“变成”花括号结构“，即将其行索引变成列索引，反之，unstack函数将数据从”花括号结构“变成”表格结构“，即要将其中一层的列索引变成行索引。

stack函数和unstack函数详细介绍

#将代码保存为unit_result,csv
unit_result.to_csv('unit_result.csv')

test = pd.read_csv('unit_result.csv')
test.head()

   

第二章Part2：数据重构-----数据聚合与运算  

#载入基本库
import numpy as np
import pandas as pd
# 载入data文件中的:result.csv
text = pd.read_csv('result.csv')
text.head()

2.6 数据运用

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

GroupBy机制的详细举例 

2.6.2：任务二：计算泰坦尼克号男性与女性的平均票价

df  = text['Fare'].groupby(text['Sex'])#按照列表中sex进行分组，先抽取Fare这列，然后按Sex分组
means = df.mean()
means#上两行代码可以改写为df.mean(),不需要加中间变量也可以，但加入中间变量后面方便调用，

   

2.6.3：任务三：统计泰坦尼克号中男女的存活人数

survived_sex = text['Survived'].groupby(text['Sex']).sum()#Survived列为0-1变量
#抽取Survived列，然后按照Sex分组，然后进行求和
survived_sex.head()

  

 2.6.4：任务四：计算客舱不同等级的存活人数

survived_pclass = text['Survived'].groupby(text['Pclass'])
#先抽取Survived列再按照Pclass进行分组
survived_pclass.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？

#例子：
text.groupby('Sex').agg({'Fare': 'mean', 'Pclass': 'count'}).rename(columns=
                            {'Fare': 'mean_fare', 'Pclass': 'count_pclass'})
#先按照sex进行分组

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

text.groupby(['Pclass','Age'])['Fare'].mean().head()
#先按Pclass和Age分组，再抽取Fare列信息，接着对抽取的数据求均值，最后显示

    

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 

result = pd.merge(means,survived_sex,on='Sex')
#合并任务二，任务三的数据，on表示按什么进行合并，任务二和三都是按Sex展开的数据，Sex此处发挥关键字的作用，删除on=’Sex'会报错
result

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

#不同年龄的存活人数
survived_age = text['Survived'].groupby(text['Age']).sum()
#先抽取Survived那一列，然后对抽取的数据按照Age进行分组，
#最后加和确定不同年龄的存货人数，此处操作数据为0-1变量
survived_age.head()

 

#找出最大值的年龄段
survived_age[survived_age.values==survived_age.max()]
#先使用max方法求最大值，再判断是否相等，相等就把值赋给values
#但为什么不用for循环就能做到遍历列表？？

#计算总的幸存人数
_sum = text['Survived'].sum()
#sum是方法，不能用作中间变量
print(_sum)

#首先计算总人数
_sum = text['Survived'].sum()

print("sum of person:"+str(_sum))

precetn =survived_age.max()/_sum

print("最大存活率："+str(precetn))

 ​

---