数据分析-数据重构

数据的合并

任务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

result_up = pd.concat([text_left_up,text_right_up],axis=1) # axis=1 列上合并
result_up  

任务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

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

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

resul_up = text_left_up.join(text_right_up)
result_down = text_left_down.join(text_right_down)
result1 = result_up.append(result_down)
result1

任务：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(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)
result2 = resul_up.append(result_down)
result2

【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？
答：不可以

换一种角度看数据（不懂）

任务：将我们的数据变为Series类型的数据

**stack 函数和unstack函数**

unit_result=result.stack()
unit_result

数据聚合与运算

任务2：计算泰坦尼克号男性与女性的平均票价

grouped = result['Fare'].groupby(result['Sex'])
grouped.mean()

任务3：统计泰坦尼克号中男女的存活人数

grouped = result['Survived'].groupby(result['Sex'])
grouped.sum()

任务4：计算客舱不同等级的存活人数

grouped = result['Survived'].groupby(result['Pclass'])
grouped.sum()

【思考】从任务二到任务四中，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': 'mean', 'Pclass': 'count'}).rename(columns=
                            {'Sex': 'mean_sex', 'Pclass': 'count_pclass'})

任务5：统计在不同等级的票中的不同年龄的船票花费的平均值

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

任务6：将任务二和任务三的数据合并，并保存到sex_fare_survived.csv

c = pd.merge(grouped.mean(),grouped1.sum(),on='Sex')
c
c.to_csv('sex_fare_survived.csv')

任务7：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，最后计算存活人数最高的存活率（存活人数/总人数）

print("sum of person:"+str(result['Survived'].sum()))
precent =survived_age.max()/result['Survived'].sum()
print("最大存活率："+str(precent))

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