【数据分析11天打卡DAY3】第二章 数据重构

导入基本库与数据

import numpy as np
import pandas as pd
df = pd.read_csv(‘data/train-left-up.csv’)
df = pd.read_csv(‘data/train-left-down.csv’)
df = pd.read_csv(‘data/train-right-up.csv’)
df = pd.read_csv(‘data/train-right-down.csv’)

任务练习

1.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

list_up = [text_left_up,text_right_up]
result_up = pd.concat(list_up,axis=1)
result_up.head()

2.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)
result = pd.concat([result_up,result_down])
result.head()

3.使用DataFrame自带的方法join方法和append：完成任务1和2的任务

左右合并上下合并

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()

行索引
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 = resul_up.append(result_down)
result.head()

第二节

1
group =df.groupby(‘Sex’)[‘Age’].mean()
2
group =df.groupby(‘Sex’)[‘Fare’].mean()

3从任务2到任务3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’})

4.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()

5.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’)
result

7.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）

#找出最大值的年龄段
survived_age[survived_age.values==survived_age.max()]