task03 数据的合并

最新推荐文章于 2024-08-09 00:05:38 发布

hreeng

最新推荐文章于 2024-08-09 00:05:38 发布

阅读量121

点赞数

文章标签：数据挖掘 python 数据分析

本文链接：https://blog.csdn.net/hreeng/article/details/122018416

版权

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=pd.read_csv("data/train-left-up.csv")
df.head()

	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
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)
4	5	0	3	Allen, Mr. William Henry

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

#写入代码
text_left_up = pd.read_csv("data/train-left-up.csv")
text_left_down = pd.read_csv("data/train-left-down.csv")
text_right_up = pd.read_csv("data/train-right-up.csv")
text_right_down = pd.read_csv("data/train-right-down.csv")
text_left_up.head()

	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
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)
4	5	0	3	Allen, Mr. William Henry

#写入代码
text_left_down.head()
#passengerid不同

	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
3	443	0	3	Petterson, Mr. Johan Emil
4	444	1	2	Reynaldo, Ms. Encarnacion

text_right_down.head()

	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	male	31.0	0	0	C.A. 18723	10.500	NaN	S
1	female	45.0	1	1	F.C.C. 13529	26.250	NaN	S
2	male	20.0	0	0	345769	9.500	NaN	S
3	male	25.0	1	0	347076	7.775	NaN	S
4	female	28.0	0	0	230434	13.000	NaN	S

text_right_up.head()

	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked
0	male	22.0	1	A/5 21171	7.2500	NaN	S
1	female	38.0	1	PC 17599	71.2833	C85	C
2	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S
3	female	35.0	1	113803	53.1000	C123	S
4	male	35.0	0	373450	8.0500	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：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

#写入代码
result_up=pd.concat([text_left_up,text_right_up],axis=1)
result_up.head()

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	373450	8.0500	NaN	S

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。

#写入代码 concat默认使用纵向连接
result_down = pd.concat([text_left_down,text_right_down],axis=1)
result = pd.concat([result_up,result_down])
result.shape

(891, 12)

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

#写入代码
#join是横向合并，append是纵向合并
resul_up = text_left_up.join(text_right_up)
result_down = text_left_down.join(text_right_down)
result = result_up.append(result_down)
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

#写入代码 merge和join类似 merge需要有共同的列才能拼接
result_up = pd.merge(text_left_up,text_right_up,left_index=True,right_index=True)
result_down = pd.merge(text_left_down,text_right_down,left_index=True,right_index=True)
result = result_up.append(result_down)
result.head()

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	373450	8.0500	NaN	S

【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？

2.4.6 任务六：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 任务一：将我们的数据变为Series类型的数据

#写入代码
#stack 把列保存为行数据
text = pd.read_csv('result.csv')
unit_result=text.stack()
unit_result

0    Unnamed: 0                           0
     PassengerId                          1
     Survived                             0
     Pclass                               3
     Name           Braund, Mr. Owen Harris
                             ...           
890  SibSp                                0
     Parch                                0
     Ticket                          370376
     Fare                              7.75
     Embarked                             Q
Length: 10717, dtype: object

#写入代码
#将代码保存为unit_result,csv
unit_result.to_csv('unit_result.csv')
test = pd.read_csv('unit_result.csv')
test

	Unnamed: 0	Unnamed: 1	0
0	0	Unnamed: 0	0
1	0	PassengerId	1
2	0	Survived	0
3	0	Pclass	3
4	0	Name	Braund, Mr. Owen Harris
...	...	...	...
10712	890	SibSp	0
10713	890	Parch	0
10714	890	Ticket	370376
10715	890	Fare	7.75
10716	890	Embarked	Q

10717 rows × 3 columns

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

# 载入上一个任务人保存的文件中:result.csv，并查看这个文件
df = pd.read_csv('result.csv')
df.head()

	Unnamed: 0	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked
0	0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	A/5 21171	7.2500	NaN	S
1	1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	PC 17599	71.2833	C85	C
2	2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S
3	3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	113803	53.1000	C123	S
4	4	5	0	3	Allen, Mr. William Henry	male	35.0	0	373450	8.0500	NaN	S

2 第二章：数据重构

第一部分：数据聚合与运算

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

#写入心得
# 分组操作，仅需一行代码可以实现按字段进行划分

2.6.2：任务二：计算泰坦尼克号男性与女性的平均票价

# 写入代码
list(df.groupby('Sex'))[0]

('female',
      Unnamed: 0  PassengerId  Survived  Pclass  \
 1             1            2         1       1   
 2             2            3         1       3   
 3             3            4         1       1   
 8             8            9         1       3   
 9             9           10         1       2   
 ..          ...          ...       ...     ...   
 880         441          881         1       2   
 882         443          883         0       3   
 885         446          886         0       3   
 887         448          888         1       1   
 888         449          889         0       3   
 
                                                   Name     Sex   Age  SibSp  \
 1    Cumings, Mrs. John Bradley (Florence Briggs Th...  female  38.0      1   
 2                               Heikkinen, Miss. Laina  female  26.0      0   
 3         Futrelle, Mrs. Jacques Heath (Lily May Peel)  female  35.0      1   
 8    Johnson, Mrs. Oscar W (Elisabeth Vilhelmina Berg)  female  27.0      0   
 9                  Nasser, Mrs. Nicholas (Adele Achem)  female  14.0      1   
 ..                                                 ...     ...   ...    ...   
 880       Shelley, Mrs. William (Imanita Parrish Hall)  female  25.0      0   
 882                       Dahlberg, Miss. Gerda Ulrika  female  22.0      0   
 885               Rice, Mrs. William (Margaret Norton)  female  39.0      0   
 887                       Graham, Miss. Margaret Edith  female  19.0      0   
 888           Johnston, Miss. Catherine Helen "Carrie"  female   NaN      1   
 
      Parch            Ticket     Fare Cabin Embarked  
 1        0          PC 17599  71.2833   C85        C  
 2        0  STON/O2. 3101282   7.9250   NaN        S  
 3        0            113803  53.1000  C123        S  
 8        2            347742  11.1333   NaN        S  
 9        0            237736  30.0708   NaN        C  
 ..     ...               ...      ...   ...      ...  
 880      1            230433  26.0000   NaN        S  
 882      0              7552  10.5167   NaN        S  
 885      5            382652  29.1250   NaN        Q  
 887      0            112053  30.0000   B42        S  
 888      2        W./C. 6607  23.4500   NaN        S  
 
 [314 rows x 13 columns])

 df.groupby('Sex')['Age'].describe()

	count	mean	std	min	25%	50%	75%	max
Sex
female	261.0	27.915709	14.110146	0.75	18.0	27.0	37.0	63.0
male	453.0	30.726645	14.678201	0.42	21.0	29.0	39.0	80.0

在了解GroupBy机制之后，运用这个机制完成一系列的操作，来达到我们的目的。

下面通过几个任务来熟悉GroupBy机制。

a=df.groupby('Sex')['Fare'].mean()
a

Sex
female    44.479818
male      25.523893
Name: Fare, dtype: float64

2.6.3：任务三：统计泰坦尼克号中男女的存活人数

# 写入代码
b=df.groupby('Sex')['Survived'].sum()
b

Sex
female    233
male      109
Name: Survived, dtype: int64

2.6.4：任务四：计算客舱不同等级的存活人数

# 写入代码
df.groupby('Pclass')['Survived'].sum()

Pclass
1    136
2     87
3    119
Name: Survived, dtype: int64

【提示：】表中的存活那一栏，可以发现如果还活着记为1，死亡记为0

【思考】从数据分析的角度，上面的统计结果可以得出那些结论

#思考心得

【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？

#思考心得
#df.groupby('Pclass')['Survived'].agg('sum') 用agg可以同时使用多个方法 如 sum mean等

text.groupby('Sex').agg({'Fare': 'mean', 'Survived': 'sum'}).rename(columns={'Fare': 'mean_fare', 'Survived': 'sum_Survived'})

	mean_fare	sum_Survived
Sex
female	44.479818	233
male	25.523893	109

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

# 写入代码
text.groupby(['Pclass','Age'])['Fare'].mean().head()

Pclass  Age  
1       0.92     151.5500
        2.00     151.5500
        4.00      81.8583
        11.00    120.0000
        14.00    120.0000
Name: Fare, dtype: float64

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

# 写入代码
result = pd.merge(a,b,on='Sex')
result
# a.to_frame() a变为dataframe格式

	Fare	Survived
Sex
female	44.479818	233
male	25.523893	109

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）

# 写入代码
#不同年龄的存活人数
survived_age = df.groupby(['Age'])['Survived'].sum()
survived_age.head()

Age
0.42    1
0.67    1
0.75    2
0.83    2
0.92    1
Name: Survived, dtype: int64

# 写入代码
max(survived_age)
survived_age[survived_age.values ==max(survived_age)]

Age
24.0    15
Name: Survived, dtype: int64

# 写入代码
rate=max(survived_age)/sum(df['Survived'])
# print("最大存活率："+str(rate))
'最大存活率：{}'.format(rate)

'最大存活率：0.043859649122807015'

# 写入代码

hreeng

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
task03 数据的合并

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 npimport pandas as pd# 载入data文件中的:train-left-up.csvdf=pd.read_csv(
复制链接

扫一扫