第二章:第三节数据重构

2 第二章:数据重构

第一部分:数据聚合与运算

2.6 数据运用

2.6.1 任务一:通过教材《Python for Data Analysis》P303、Google or anything来学习了解GroupBy机制
#写入心得
2.4.2:任务二:计算泰坦尼克号男性与女性的平均票价
# 写入代码
text.groupby('Sex')['Fare'].mean()
Sex
female    44.479818
male      25.523893
Name: Fare, dtype: float64

在了解GroupBy机制之后,运用这个机制完成一系列的操作,来达到我们的目的。

下面通过几个任务来熟悉GroupBy机制。

2.4.3:任务三:统计泰坦尼克号中男女的存活人数
# 写入代码
text.groupby('Sex')['Survived'].sum()
Sex
female    233
male      109
Name: Survived, dtype: int64
text.groupby('Sex')['Survived'].count()
Sex
female    314
male      577
Name: Survived, dtype: int64
text.groupby('Sex')['Survived'].sum()/text.groupby('Sex')['Survived'].count()
Sex
female    0.742038
male      0.188908
Name: Survived, dtype: float64
2.4.4:任务四:计算客舱不同等级的存活人数
# 写入代码
text.groupby('Pclass')['Survived'].sum()
Pclass
1    136
2     87
3    119
Name: Survived, dtype: int64
text.groupby('Pclass')['Survived'].count()
Pclass
1    216
2    184
3    491
Name: Survived, dtype: int64
text.groupby('Pclass')['Survived'].sum()/text.groupby('Pclass')['Survived'].count()
Pclass
1    0.629630
2    0.472826
3    0.242363
Name: Survived, dtype: float64
统计不同等级客舱中男女比例
text.groupby(['Pclass','Sex']).head(1)
Unnamed: 0PassengerIdSurvivedPclassNameSexAgeSibSpParchTicketFareCabinEmbarked
00103Braund, Mr. Owen Harrismale22.01.00.0A/5 211717.2500NaNS
11211Cumings, Mrs. John Bradley (Florence Briggs Th...female38.01.00.0PC 1759971.2833C85C
22313Heikkinen, Miss. Lainafemale26.00.00.0STON/O2. 31012827.9250NaNS
66701McCarthy, Mr. Timothy Jmale54.00.00.01746351.8625E46S
991012Nasser, Mrs. Nicholas (Adele Achem)female14.01.00.023773630.0708NaNC
17171812Williams, Mr. Charles EugenemaleNaN0.00.024437313.0000NaNS
text.groupby(['Pclass','Sex'])['PassengerId'].count()/[94+76+144,122+108+347,94+76+144,122+108+347,94+76+144,122+108+347]#['Sex']=='male'
Pclass  Sex   
1       female    0.299363
        male      0.211438
2       female    0.242038
        male      0.187175
3       female    0.458599
        male      0.601386
Name: PassengerId, dtype: float64

提示:】表中的存活那一栏,可以发现如果还活着记为1,死亡记为0

思考】从数据分析的角度,上面的统计结果可以得出那些结论

#思考心得
女性更倾向与买贵一些的票,同时女性的存活率显著的比男性高,对比不同仓位中男女所占的比例也可以看出,相比男性在女性的群体中
更倾向于住好一些的客舱,这可能也就是存活率高的原因。

【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?

#思考心得
text.groupby('Sex').agg({'Fare':[('rename_mean','mean')],'Survived':[('rename_sum','sum')]})

FareSurvived
rename_meanrename_sum
Sex
female44.479818233
male25.523893109
text.groupby('Pclass').agg({'Survived':['sum']}).rename(columns={'sum':'rename_sum'})
Survived
rename_sum
Pclass
1136
287
3119
2.4.5:任务五:统计在不同等级的票中的不同年龄的船票花费的平均值
# 写入代码
text.groupby(['Pclass','Age'])['Fare'].mean()
# text['P_A_Fare_mean']=text.groupby(['Pclass','Age'])['Fare'].mean()
Pclass  Age  
1       0.92     151.5500
        2.00     151.5500
        4.00      81.8583
        11.00    120.0000
        14.00    120.0000
                   ...   
3       61.00      6.2375
        63.00      9.5875
        65.00      7.7500
        70.50      7.7500
        74.00      7.7750
Name: Fare, Length: 182, dtype: float64
text['P_A_Fare_mean']=text['Fare']
for name ,group in text.groupby(['Pclass','Age']):
    text.loc[group.index,'P_A_Fare_mean']= pd.Series(group['Fare'].mean(),index=group.index,name='P_A_Fare_mean')
#     display(text.loc[group.index]['P_A_Fare_mean'])
text.head()
Unnamed: 0PassengerIdSurvivedPclassNameSexAgeSibSpParchTicketFareCabinEmbarkedP_A_Fare_mean
00103Braund, Mr. Owen Harrismale22.01.00.0A/5 211717.2500NaNS7.988330
11211Cumings, Mrs. John Bradley (Florence Briggs Th...female38.01.00.0PC 1759971.2833C85C103.711800
22313Heikkinen, Miss. Lainafemale26.00.00.0STON/O2. 31012827.9250NaNS14.158036
33411Futrelle, Mrs. Jacques Heath (Lily May Peel)female35.01.00.011380353.1000C123S165.744911
44503Allen, Mr. William Henrymale35.00.00.03734508.0500NaNS9.736800
2.4.6:任务六:将任务二和任务三的数据合并,并保存到sex_fare_survived.csv
# 写入代码
text.groupby('Sex').agg({'Fare':[('rename_mean','mean')],'Survived':[('rename_sum','sum')]})
FareSurvived
rename_meanrename_sum
Sex
female44.479818233
male25.523893109
mean=text.groupby('Sex')['Fare'].mean()
sur=text.groupby('Sex')['Survived'].sum()
display(mean)
display(sur)
display(pd.merge(mean,sur,on='Sex'))
display(mean.to_frame().join(sur))
display(pd.concat([mean.to_frame(),sur.to_frame()],axis=1))
Sex
female    44.479818
male      25.523893
Name: Fare, dtype: float64



Sex
female    233
male      109
Name: Survived, dtype: int64
FareSurvived
Sex
female44.479818233
male25.523893109
FareSurvived
Sex
female44.479818233
male25.523893109
FareSurvived
Sex
female44.479818233
male25.523893109
result =pd.merge(mean,sur,on='Sex')
result.to_csv('sex_fare_survived.csv')
2.4.7:任务七: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)
# 写入代码
text.groupby('Age')['Survived'].sum()#.max()
Age
0.42     1
0.67     1
0.75     2
0.83     2
0.92     1
        ..
70.00    0
70.50    0
71.00    0
74.00    0
80.00    1
Name: Survived, Length: 88, dtype: int64
# 写入代码
#存活人数的最高的年龄
text.groupby('Age')['Survived'].sum().idxmax()
24.0
# 写入代码
# 存活人数的最高的年龄的存活人数
text.groupby('Age')['Survived'].sum().loc[24.0]
15
# 写入代码
#最后计算存活人数最高的存活率(存活人数/总人数)
text.groupby('Age')['Survived'].sum().loc[24.0]/text.groupby('Age')['Survived'].count().loc[24.0]
0.5
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值