动手学数据分析 task3
作者:互联网
数据重构
心得:通过对task3的学习,我学会了如何对表格进行按行合并和按列合并生成一个新的表格,主要有concat 方法(行列均可),join(行),merge(行)和append(列),然后就是对数据进行分组计算,用的的主要方法是groupby,与数据库是类似的,之后就可以按照分组类型进行各种计算了。
2.4数据的合并
1.将data文件夹里面的所有数据都载入,与之前的原始数据相比,观察他们的之间的关系
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")
查看他们的内容text_left_up.head()
、text_left_up.head()
、text_right_down.head()
、text_right_up.head()
:
可以观察到,train-left-up.csv和train-right-up.csv应该是一张表拆分出来的两部分,下面是将他们合并成一张表:
list_up = [text_left_up,text_right_up]
result_up = pd.concat(list_up,axis=1)
result_up.head()
2.合并
方法一:
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])
result.head()
区别:concat(list_up,axis=1),有axis=1
时是对行进行合并;没有的话是对列进行合并。
方法二:
用DataFrame自带的方法join方法和append
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()
方法三:
使用Panads的merge方法和DataFrame的append方法
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()
join()
和merge()
都是对列进行合并,append()
是对行合并。
2.6 数据运用
1.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
groupby()
根据SEX这一列的内容进行合并,男性为一类,女性为一类,分别计算他们的票价
2.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()
3.计算客舱不同等级的存活人数
survived_pclass = text['Survived'].groupby(text['Pclass'])
survived_pclass.sum()
4.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
text.groupby('Sex').agg({'Fare': 'mean', 'Pclass': 'count'}).rename(columns=
{'Fare': 'mean_fare', 'Pclass': 'count_pclass'})
mean()表示票价取平均值;count()表示等级的计数。
5.统计在不同等级的票中的不同年龄的船票花费的平均值
思路:根据等级和年龄分别划分就好了,平均值是mean()
。
text['Fare'].groupby([text['Pclass'],text['Age']]).mean().head(10)
简化版:
text.groupby(['Pclass','Age'])['Fare'].mean().head(10)
效果是一样的。
6.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,survived_sex,on='Sex')
result.to_csv('sex_fare_survived.csv')
7.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()]
#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))
标签:数据分析,task3,text,up,down,动手,right,result,left 来源: https://blog.csdn.net/qq_42882457/article/details/122010405