一、数据的合并
1.1 导入基本库
# 导入基本库 import numpy as np import pandas as pd
1.2 载入数据
#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("train-left-up.csv") text_left_down = pd.read_csv("train-left-down.csv") text_right_up = pd.read_csv("train-right-up.csv") text_right_down = pd.read_csv("train-right-down.csv") text = pd.read_csv('train.csv') #四个数据就是整体的数据被按照左上、左下、右上、右下分成四块。
1.3 数据合并
1.3.1 方法一：concat方法
# 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) # 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。 list_down=[text_left_down,text_right_down] result_down = pd.concat(list_down,axis=1) # 然后将上边的result_up和result_down纵向合并为result。 result = pd.concat([result_up,result_down])
1.3.2 方法二：join和append方法
# 使用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)
1.3.3 方法三：merge方法和append方法
# 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)
使用append才可以进行纵向的拼接（可追加行）。
只有merge，join不行，因为两者都是横向拼接。
二、换一种角度看数据
2.1 将DataFrame类型数据变为Series类型数据
#这个stack函数是干什么的？ #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 unit_result=text.stack().head(20)
#将代码保存为unit_result,csv unit_result.to_csv('unit_result.csv') test = pd.read_csv('unit_result.csv') test.head()
三、数据聚合与运算（泰坦尼克号数据集）
数据重构依旧属于数据理解（准备）的范围
3.1 groupby() 用法
根据DataFrame本身的某一列或多列内容进行分组聚合
3.1.1 计算男性与女性的平均票价
# 将上面的数据集按照Sex字段进行划分 df = text['Fare'].groupby(text['Sex']) means = df.mean() means
3.1.2 统计男女的存活人数
survived_sex = text['Survived'].groupby(text['Sex']).sum() survived_sex.head()
3.1.3 计算客舱不同等级的存活人数
survived_pclass = text['Survived'].groupby(text['Pclass']) survived_pclass.sum()
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
3.1.4 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()
3.1.5 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))
sum of person:342 最大存活率：0.043859649122807015
3.2 agg()函数用法
3.1.1和3.1.2可以用agg()函数来同时计算。并且可以使用rename函数修改列名。
聚合函数，对分组后数据进行聚合，默认情况对分组后其他列进行聚合。
text.groupby('Sex').agg({'Fare': 'mean', 'Pclass': 'count'}).rename(columns= {'Fare': 'mean_fare', 'Pclass': 'count_pclass'})
