数据分析task03

数据重构

数据合并（dataframe）

pandas.Dataframe.concat

先载入四个文件

 

join(concat的默认方法，横向合并列）

merage（横向合并列），需要一个相同的column，所以要把left_index,right_index改成Ture

append

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)

换一种角度看数据

1，把数据变为Series类型的数据，使用stack（）

把原先的列旋转为行了

 数据聚合与运算

groupby技术，主要用于数据聚合和分类计算，思想是“split-apply-combine”（拆分应用合并）

主要命令如下

group = df.groupby('Sex')
df.groupby('Sex')['Age'].describe()
#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.mean()
#统计泰坦尼克号中男女的存活人数
survived_sex = text['Survived'].groupby(text['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()
#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.values==survived_age.max()]
_sum = text['Survived'].sum()
'最大存活率：{}'.format(precetn)

显示结果

 

 

 通过任务思考，得出性别女比男，客舱等级高，票价花费高，存活率高，下一任务将用可视化呈现规律。