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
- 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。
- 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()
- 计算客舱不同等级的存活人数
survived_pclass = text['Survived'].groupby(text['Pclass'])
survived_pclass.sum()
- 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()
- 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')
- 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))