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))