目录
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
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
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
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
任务六：将任务二和任务三的数据合并，并保存到sex_fare_survived.csv
任务七：得出不同年龄的总的存活人数，然后找出存活人数最多的年龄段，最后计算存活人数最高的存活率（存活人数/总人数）
数据的合并
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
text_left_up = pd.read_csv("data2/data/train-left-up.csv")
text_left_down = pd.read_csv("data2/data/train-left-down.csv")
text_right_up = pd.read_csv("data2/data/train-right-up.csv")
text_right_down = pd.read_csv("data2/data/train-right-down.csv")
text_left_up.head()
text_left_down.head()
text_right_up.head()
text_right_down.head()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
concat方法：
result = pd.concat([df1, df2], axis= ' ')
①axis=0，纵向拼接（默认）
②axis=1，横向拼接df_concat = pd.concat([df1, df2], keys=['one', 'two'],ignore_index = True) # 纵向拼接一般需要重新生成新的索引 df_concat
list_up = [text_left_up,text_right_up]
result_up = pd.concat(list_up,axis=1)
result_up.head()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。
list_down = [text_left_down,text_right_down]
result_down = pd.concat(list_down,axis=1)
result = pd.concat([result_up,result_down],ignore_index = True)#重新定义索引
result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
join方法：
Dataframe内置join方法是一种快速合并的方法，它默认以index作为对齐的列。
join(other，on=None，how''left''，lsuffix=" ''，rsuffix='' "，sort=False)
上述方法参数表示的含义如下：
on：用于连接名。如果两个表中行索引和列索引重叠，那么当使用join()方法进行合并时，使用参数on指定重叠的列名即可。
how：可以从{“left”，“right”，" outer"，“inner”} 中任选一个，默认使用left的方式。
lsuffix：接收字符串，用于在左侧重叠的列名后添加后缀名。
rsuffix：接收字符串，用于在右侧重叠的列名后添加后缀名。
sort：接收布尔值，根据连接键对合并的数据进行排序，默认为False。
join()方法默认使用的左连接方式，即以左表为基准，join()方法进行合并后左表的数据会全部展示。
Pandas中的join()合并数据方法_KJ.JK的博客-CSDN博客_pandas的join函数
resul_up = text_left_up.join(text_right_up) # 默认left链接
result_down = text_left_down.join(text_right_down)
result = result_up.append(result_down,ignore_index = True)
result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
merge方法：
left：左表
right：右表
how：连接方式，inner、left、right、outer，默认为inner
on：用于连接的列名称
left_on：左表用于连接的列名
right_on：右表用于连接的列名
left_index：是否使用左表的行索引作为连接键，默认False
right_index：是否使用右表的行索引作为连接键，默认False
sort：默认为False，将合并的数据进行排序
copy：默认为True，总是将数据复制到数据结构中，设置为False可以提高性能
suffixes：存在相同列名时在列名后面添加的后缀，默认为(’_x’, ‘_y’)
indicator：显示合并数据中数据来自哪个表
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)
#通过设置left_index、right_index的值为True来使用索引连接。
result = result_up.append(result_down,ignore_index = True)
result任务：将我们的数据变为Series类型的数据
stack函数会将数据从”表格结构“变成”花括号结构“，即将其行索引变成列索引，反之，unstack函数将数据从”花括号结构“变成”表格结构“，即要将其中一层的列索引变成行索引。
text = pd.read_csv('result.csv')
text.head()
# 代码写在这里
unit_result=text.stack().head(20)
unit_result.head()
-----------------------------------------------------------------------------------------
'''输出
0 Unnamed: 0 0
PassengerId 1
Survived 0
Pclass 3
Name Braund, Mr. Owen Harris
dtype: object'''数据聚合与运算
数据运用
Groupby机制
Python数据分析 – GroupBy机制 - Python数据分析教程 - 炫意HTML5
Python数据分析 | (28) GroupBy机制_CoreJT的博客-CSDN博客_groupby机制
任务二：计算泰坦尼克号男性与女性的平均票价
grouped = text['Fare'].groupby(text['Sex'])# 以sex对fare进行分组，分别进行平均值计算
mf=grouped.mean()
mf
任务三：统计泰坦尼克号中男女的存活人数
survival = text['Survived'].groupby(text['Sex'])
survival_sex = survival.sum()
survival_sex任务四：计算客舱不同等级的存活人数
groupby：返回的是一个DataFrameGroupBy结构，这个结构必须调用聚合函数（如sum）之后，才会得到结构为Series的数据结果。每次用groupby函数后，都是要接类似sum、mean等聚合函数才能输出。
【思考】从任务二到任务三中，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。
agg：是DataFrame的直接方法，返回的也是一个DataFrame。当然，很多功能用sum、mean等等也可以实现。但是agg更加简洁, 而且传给它的函数可以是字符串，也可以自定义，参数是column对应的子DataFrame。
text.groupby('Sex').agg({'Fare': 'mean', 'Pclass': 'count'}).rename(columns=
{'Fare': 'mean_fare', 'Pclass': 'count_pclass'})
#以字典方式实现聚合任务五：统计在不同等级的票中的不同年龄的船票花费的平均值
text.groupby(['Pclass','Age'])['Fare'].mean()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(mf,survival_sex,on='Sex')#on：用于连接的列名称
result
result.to_csv('sex_fare_survived.csv')任务七：得出不同年龄的总的存活人数，然后找出存活人数最多的年龄段，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))
1929
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
