Datawhale数据分析教程笔记03

数据重构

数据合并

①使用concat()函数
部分参数如下

参数	说明
obj	DataFrame对象/Series对象
axis	0为纵向，1为横向
join	如何处理其他轴上的索引。outer为联合；inner为交集，即只合并有相同列/行的部分
ignore_index	boolean，为True则重新设置合并后的index，False则直接拼接，不修改原有索引

result_up = pd.concat([dflu,dfru],axis=1)
result_down = pd.concat([dfld,dfrd],axis=1)
result = pd.concat([result_up,result_down])

②使用join()和append()方法实现数据合并
join()默认状态下用于数据横向合并，append()用于数据的纵向合并

resul_up = text_left_up.join(text_right_up)
result_down = text_left_down.join(text_right_down)
result = result_up.append(result_down)

③使用pandas自带merge()函数和append()方法实现数据合并

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)

将数据保存为Series对象

stack()方法会把数据的列旋转为行，使DataFrame对象转换为Series对象

unit_result=result.stack()

数据运用

Groupby分组机制

Groupby就是将数据按提供的键值分组拆分，然后按各个键值所需要的数据应用计算，最后再重新合并为一个DataFrame对象。如下图：

使用groupby()方法即可生成Groupby对象，利用agg()方法可以同时计算

# 使用单一特征单一方法
df.groupby('Sex')['Survived'].count()
# 使用多个特征同时分组
df.groupby(['Sex','Pclass']).agg({'Fare':'mean','Survived':'sum'}).rename({'Fare':'mean_fare','Survived':'sum_survived'})