kaggle泰坦尼克数据之数据重构

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 py
import pandas as pd 

# 载入data文件中的:train-left-up.csv
df_ld = pd.read_csv("./data/train-left-down.csv")
df_ld.head()

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

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

df_rd = pd.read_csv("./data/train-right-down.csv")
df_rd.head()

df_ru = pd.read_csv("./data/train-right-up.csv")
df_ru.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

result_up = pd.concat([df_lu,df_ru], axis=1)
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。

result_down = pd.concat([df_ld,df_rd], axis=1)
result_down.head()

result = pd.concat([result_up,result_down], axis=1)
result.head()

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

result_up =df_lu.join(df_ru)
result_up.head()

result_down =df_ld.join(df_rd)
result_down.head()

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

result_up = pd.merge(df_lu, df_ru, left_index=True, right_index=True)
result_up.head()

result_down = pd.merge(df_ld, df_rd, left_index=True, right_index=True)
result_down.head()

result = result_up.append(result_down)
result.head()

2.4.6 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

2.5.1 任务一：将我们的数据变为Series类型的数据

df = pd.read_csv('result.csv')
df.head()

unit_result=df.stack()
unit_result.head()

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

groupby的过程就是将原有的DataFrame按照groupby的字段，划分为若干个分组DataFrame，被分为多少个组就有多少个分组DataFrame。

2.4.2：任务二：计算泰坦尼克号男性与女性的平均票价

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

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。

2.4.3：任务三：统计泰坦尼克号中男女的存活人数

df.groupby('Sex')['Survived'].count()

2.4.4：任务四：计算客舱不同等级的存活人数

df.groupby('Pclass')['Survived'].count()

【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
在存活的人里，男性占比较大，且票价等级为3的存活概率也较大。

【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？

df.groupby('Survived').agg({'Sex':'count','Pclass': 'count'}).rename(columns={'Sex':'count_sex','Pclass': 'count_pclass'})

2.4.5：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

df.groupby(['Pclass','Age'])['Fare'].mean()

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

pd.concat([df.groupby('Sex')['Fare'].mean(),df.groupby('Sex')['Survived'].count()], axis=1).to_csv("sex_fare_survived.csv")

2.4.7：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，最后计算存活人数年龄最高的存活率（存活人数/总人数）

survived_age = df['Survived'].groupby(df['Age']).sum()
max_survived_age = survived_age[survived_age.values == survived_age.max()]
sum = df['Survived'].sum()
per = max_survived_age.values[0]/sum
print("per=",per)