task3 数据重构

复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分，在第二章第一节的内容中，我们学习了数据的清洗，这一部分十分重要，只有数据变得相对干净，我们之后对数据的分析才可以更有力。而这一节，我们要做的是数据重构，数据重构依旧属于数据理解（准备）的范围。

开始之前，导入numpy、pandas包和数据

import numpy as np                                                                                                           import pandas as pd

df = pd.read_csv('data/train-left-up.csv')

df.head()

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

text_left_down = pd.read_csv('data/train-left-down.csv')                   text_left_down.head()

text_left_up = pd.read_csv('data/train-left-up.csv')                                text_left_up.head()

text_right_down = pd.read_csv('data/train-right-down.csv')          text_right_down.head()

text_right_up = pd.read_csv('data/train-right-up.csv')                        text_right_up.head()

【提示】结合之前我们加载的train.csv数据，大致预测一下上面的数据是什么

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

list_up = [text_left_up,text_right_up]                                                                         result_up = pd.concat(list_up,axis =1) #axis =1 横向表拼接（行对齐）                        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。

list_down = [text_left_down,text_right_down]                                                    result_down = pd.concat(list_down,axis = 1)                                           result_down.head()

list = [result_up,result_down]                                                                                           result = pd.concat(list)                                                                                           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 = text_left_up.join(text_right_up)                                                            result_down = text_left_down.join(text_right_down)                                                      result = result_up.append(result_down)                                                              result.head()

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(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 = result_up.append(result_down)                                                             result.head()

【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？

2.4.6 任务六：完成的数据保存为result.csv

result.to_csv('resule.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

text = pd.read_csv('result.csv')                                                                              unit_result = text.stack().head(20)                                                                           unit_result

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

groupby的思想就是 “split-apply-combine”（拆分 - 应用 - 合并）

例如 df.groupby(“occupation”).age.mean()

首先df按照每一种occupation拆分成多个部分, 然后分别计算每种occupation的age的平均值.

然后合并成一个Dataframe或者Series.

值得注意的是, groupby之后是一个对象, 知道应用一个函数之后才会变成一个Series或者Dataframe.

原文链接：https://blog.csdn.net/Candylx/article/details/108190328

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.mean()        

means

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

df = text['Survived'].groupby(text['Sex'])                                                                    #df.head()                                                                                                                             sums = df.sum()                                                                                                                  sums

2.4.4：任务四：计算客舱不同等级的存活人数

【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

答：

【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。你可以按照提示写出这个过程吗？

答：

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

#df = text['Fare'].groupby(['Pclass','Age'])                                                              #fare_means = df.mean()                                                                                          #fare_means text.groupby(['Pclass','Age'])['Fare'].mean()

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(means,sums,on= 'Sex')                                                                       result

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.head()

survived_age[survived_age.values==survived_age.max()]

_sum = text['Survived'].sum()                                                                                print(_sum) 

#这边有个疑问，总人数应该是891啊，为啥是342个总人数呢

_sum = text['Survived'].sum()                                                                                 print("sum of person:"+str(_sum))                                                                                precetn =survived_age.max()/_sum                                                                                print("最大存活率："+str(precetn))