数据分析入门-Task03：数据重构

数据分析入门-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

# 导入基本库
import numpy as np
import pandas as pd

# 载入data文件中的:train-left-up.csv
df_left_up = pd.read_csv('./data/train-left-up.csv')

2 第二章：数据重构

2.4 数据的合并

2.4.1 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

#写入代码
df_left_down = pd.read_csv('./data/train-left-down.csv')
df_right_up = pd.read_csv('./data/train-right-up.csv')
df_right_down = pd.read_csv('./data/train-right-down.csv')

#写入代码
df_left_up.head(3)

	PassengerId	Survived	Pclass	Name
0	1	0	3	Braund, Mr. Owen Harris
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...
2	3	1	3	Heikkinen, Miss. Laina

df_left_down.head(3)

	PassengerId	Survived	Pclass	Name
0	440	0	2	Kvillner, Mr. Johan Henrik Johannesson
1	441	1	2	Hart, Mrs. Benjamin (Esther Ada Bloomfield)
2	442	0	3	Hampe, Mr. Leon

df_right_up.head(3)

	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	male	22.0	1.0	0.0	A/5 21171	7.2500	NaN	S
1	female	38.0	1.0	0.0	PC 17599	71.2833	C85	C
2	female	26.0	0.0	0.0	STON/O2. 3101282	7.9250	NaN	S

df_right_down.head(3)

	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	male	31.0	0	0	C.A. 18723	10.50	NaN	S
1	female	45.0	1	1	F.C.C. 13529	26.25	NaN	S
2	male	20.0	0	0	345769	9.50	NaN	S

【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

2.4.2：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

s1 =pd.Series([0,1],index=['a','b'])
pd.concat([s1,s1],axis=1)

a    0
b    1
a    0
b    1
dtype: int64

#写入代码
result_up = pd.concat([df_left_up,df_right_up],axis=1)

2.4.3 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。

#写入代码
result_down = pd.concat([df_left_down,df_right_down],axis=1)
result = pd.concat([result_up,result_down])

2.4.4 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

#写入代码
resul_up = df_left_up.join(df_right_up)
result_down = df_left_down.join(df_right_down)
result = result_up.append(result_down)
result.head(3)

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1.0	0.0	3.0	Braund, Mr. Owen Harris	male	22.0	1.0	0.0	A/5 21171	7.2500	NaN	S
1	2.0	1.0	1.0	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1.0	0.0	PC 17599	71.2833	C85	C
2	3.0	1.0	3.0	Heikkinen, Miss. Laina	female	26.0	0.0	0.0	STON/O2. 3101282	7.9250	NaN	S

2.4.5 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

#写入代码
resul_up = pd.merge(df_left_up,df_right_up,left_index=True,right_index=True)
result_down = pd.merge(df_left_down,df_right_down,left_index=True,right_index=True)
result = result_up.append(result_down)
result.head(3)

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1.0	0.0	3.0	Braund, Mr. Owen Harris	male	22.0	1.0	0.0	A/5 21171	7.2500	NaN	S
1	2.0	1.0	1.0	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1.0	0.0	PC 17599	71.2833	C85	C
2	3.0	1.0	3.0	Heikkinen, Miss. Laina	female	26.0	0.0	0.0	STON/O2. 3101282	7.9250	NaN	S

2.4.6 完成的数据保存为result.csv

#写入代码
result.to_csv('result.csv')

2.5 换一种角度看数据

2.5.1 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('result.csv')
text.head()
# 代码写在这里
unit_result=text.stack().head(20)
unit_result.head()