数据重构
1.数据合并
导入numpy、pandas包和数据
import numpy as np
import pandas as pd
text = pd.read_csv('C:/Users/Administrator/Desktop/d/第二章项目集合/data/train-left-up.csv')
text.head()
载入data文件夹里面的所有数据，与原始数据相比，观察之间的关系
text_left_up = pd.read_csv("data/train-left-up.csv")
text_left_down = pd.read_csv("data/train-left-down.csv")
text_right_up = pd.read_csv("data/train-right-up.csv")
text_right_down = pd.read_csv("data/train-right-down.csv")
观察这些数据
text_left_up.head()
text_left_down.head()
text_right_down.head()
text_right_up.head()
结合之前加载的train.csv数据，大致预测一下上面的数据
把train.csv数据切分成了四个部分，左上左下右上右下
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
保存这张表为result_up
list_up = [text_left_up,text_right_up]
result_up = pd.concat(list_up,axis=1)
result_up.head()
使用concat方法-将数据train-left-down和train-right-down横向合并为一张表
保存这张表为result_down
将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])
result.head()
使用DataFrame自带的方法join方法和append完成合并
resul_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()
使用Panads的merge方法和DataFrame的append方法完成合并
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)
result.head()
对比merge、join以及concat的方法的不同以及相同
merge()函数：
将DataFrame与其他数据以内部联接inner，外部联接outer，左联接left，右联接right进行合并。
以索引或共同列进行拼接。
如果使用共同列进行拼接，则索引将被忽略。
如果按索引进行合并，则索引将被合并为一个唯一索引。
join()函数：
用于横向连接两个或更多个DataFrames。
后台调用用的是merge，默认为按索引连接。
按照索引或共同列进行拼接。
默认为左连接，可以像merge一样指定参数为右连接，内连接和外连接。
concat()函数：
连接两个或更多DataFrame和Series。
缺省为垂直，通过指定axis参数可以实现横向连接。
默认为外连接outer，可以通过join='inner'进行内连接操作。
DataFrame的append方法实现纵向合并。只使用merge或者join不可以完成任务。
2.换种角度看数据
将数据变为Series类型的数据
text = pd.read_csv('result.csv')
unit_result=text.stack().head(20)
unit_result.head()
Stack函数
在用pandas进行数据重排时，经常用到stack和unstack两个函数。stack的意思是堆叠，堆积，unstack即“不要堆叠”。
常见的数据的层次化结构有两种，一种是表格，一种是“花括号”，表格在行列方向上均有索引（类似于DataFrame），花括号结构只有“列方向”上的索引（类似于层次化的Series），结构更加偏向于堆叠（Series-stack，方便记忆）。
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。
保存为unit_result.csv
unit_result.to_csv('unit_result.csv')
test = pd.read_csv('unit_result.csv')
test.head()
3.数据运用
导入numpy、pandas包和数据
import numpy as np
import pandas as pd
text = pd.read_csv('result.csv')
text.head()
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
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()
从数据分析的角度，总结上面的统计结果
女性比男性的平均票价更高，女性存活的机会更大，客舱的等级高和低的客人存活的机会大。
通过agg()函数来同时计算，使用rename函数修改列名
text.groupby('Sex').agg({'Fare': 'mean', 'Pclass': 'count'}).rename(columns=
{'Fare': 'mean_fare', 'Pclass': 'count_pclass'})
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()
合并任务二和任务三的数据，并保存到sex_fare_survived.csv
result = pd.merge(means,survived_sex,on='Sex')
result.to_csv('sex_fare_survived.csv')
得出不同年龄的总的存活人数
survived_age = text['Survived'].groupby(text['Age']).sum()
survived_age.head()
找出存活人数的最高的年龄
survived_age[survived_age.values==survived_age.max()]
计算总人数
_sum = text['Survived'].sum()
print(_sum)
计算最大存活率
precetn =survived_age.max()/_sum
print("最大存活率："+str(precetn))
DataWhale开源学习资料：
https://github.com/datawhalechina/hands-on-data-analysis