2 第二章:数据重构
2.4 数据的合并
2.4.1 任务一:将data文件夹里面的所有数据都载入,观察数据的之间的关系
import numpy as np
import pandas as pd
train_left_up=pd.read_csv('data/train-left-up')
train_left_up.head()
train_left_down=pd.read_csv('data/train-left-down')
train_left_down.head()
train_right_up=pd.read_csv('data/train-right-up')
train_right_up.head()
train_right_down=pd.read_csv('data/train-right-down')
train_right_down.head()
2.4.2:任务二: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.
pd.concat([df1,df2,df3],axis=0)
axis=0:上下合并
axis=1.左右合并
result_up=pd.concat([train_left_up,train_right_up],axis=1)
result_up.head()
2.4.3 任务三: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([train_left_down,train_right_down],axis=1)
result=pd.concat([result_up,result_down],axis=0)
result.head()
2.4.4 任务四:使用DataFrame自带的方法join方法和append:完成任务二和任务三的任务
result_up=train_left_up.join(train_right_up)
result_down=train_left_down.join(train_right_down)
result=result_up.append(result_down)
result.head()
join:序列中的元素按列方向以指定的字符连接生成一个新的字符
append:列表末尾添加新的对象,按行方向
2.4.5 任务五: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(train_left_up,train_right_up,left_index=True,right_index=True)
result_down=pd.merge(train_left_down,train_right_down,left_index=True,right_index=True)
result=result_up.append(result_down)
result.head()
pd.merge()方法索引连接,以及重复列名命名。
pd.merge()方法可以通过设置left_index或者right_index的值为True来使用索引连接,例如这里df1使用data1当连接关键字,而df2使用索引当连接关键字。
pd.merge(df1,df2,left_index=True,right_index=True)
【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?
join:提供列方向的拼接操作
merge:提供左右连接操作
2.4.6 任务六:完成的数据保存为result.csv
result.to_csv('result.csv')
2.5 换一种角度看数据
2.5.1 任务一:将我们的数据变为Series类型的数据
stack函数:链表或者数组的一端进行加入数据和输出数据,只允许在一端进行操作
text=pd.read_csv('result.csv')
text.head()
unit_result=text.stack().head(20)
unit_result.head(15)
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
GroupBy机制:进行数据分组及分组数据的组类运算
df[ ].(指输出数据的结果属性名称).groupby(df[属性],df[属性]).mean()
2.4.2:任务二:计算泰坦尼克号男性与女性的平均票价
df=text['Fare'].groupby(text['Sex']).means()
df.head()
2.4.3:任务三:统计泰坦尼克号中男女的存活人数
sur=text['Survived'].groupby(text['Sex']).sum()
sur
2.4.4:任务四:计算客舱不同等级的存活人数
num=text['Survived'].groupby(text['Pclass']).sum()
num
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
means=text.groupby['Pclass','Age']['Fare'].mean().head()
means
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
result=pd.merge(df,sur,on='Sex')
result
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)
survived_age=text['Survived'].groupby(text['Age']).sum()
survived_age
survived.age.max()
Sum=text['survived'].sum()
Sum
pre=Max/Sum
print(pre