Datawhale~Hands-on data analysis(数据重构)

数据重构

数据从一种几何形态到另一种几何形态，数据从一种格式到另一种格式的转换，包括结构转换、格式转换、类型替换等（数据拼接、数据裁剪、数据压缩等），以实现空间数据在结构、格式、类型上的统一，多源和异构数据的联接与融合。

数据合并

• task01 将data文件夹所有数据载入，与之前的原始数据相比，观察他们的之间的关系

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()

text_left_down.head()

text_right_down.head()

text_right_up.head()

• task02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()

• task03 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()

• task04 使用DataFrame自带的方法join方法和append(完成task02，task03)

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()

• task05 使用Panads的merge方法和DataFrame的append方法（完成task02，task03）

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()

• task06 完成的数据保存为result.csv

result.to_csv('result.csv')

换角度看数据

• 将数据保存为Series类型的数据
  【思考】stack函数的作用？

	# 将完整的数据加载出来
text = pd.read_csv('result.csv')
text.head()
# 代码写在这里
unit_result=text.stack().head(20)
unit_result.head()

#将代码保存为unit_result,csv
unit_result.to_csv('unit_result.csv')

test = pd.read_csv('unit_result.csv')
test.head()

数据聚合与运算

• 预备工作

# 导入相关的库
import numpy as np
import pandas as pd

# 载入data文件中的result.csv
test= pd.read_csv('result.csv')
test.head()

• 数据运用

1. task01 了解GroupBy机制

（split - apply - combine）
Splitting: 将数据按需求分组；
Applying: 对每个小组进行函数操作；
Combining: 合并结果。

Pandas的GroupBy机制

2. task02 计算泰坦尼克号男性与女性的平均票价

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

3. task03 统计泰坦尼克号中男女的存活人数

survived_sex = test['Survived'].groupby(test['Sex']).sum()
survived_sex.head()

4. 计算客舱不同等级的存活人数

survived_pclass = text['Survived'].groupby(text['Pclass'])
survived_pclass.sum()

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

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

6. task06 把task02和task03的数据合并，并保存到sex_fare_survived.csv

# 合并数据
result = pd.merge(means,survived_sex,on='Sex')
result

# 保存数据
result.to_csv('sex_fare_survived.csv')

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）

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

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

_sum = text['Survived'].sum()
print(_sum)

#首先计算总人数
_sum = text['Survived'].sum()
print("sum of person:"+str(_sum))
precetn =survived_age.max()/_sum
print("最大存活率："+str(precetn))