DataWhale第三次任务 数据重构
2020-08-23 23:44
197 查看
数据重构
- 数据的合并
- 任务一: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
- 任务二:使用concat方法:将数据train-left-up.csv和trainright-up.csv横向合并为一张表,并保存这张表为result_up
- 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。
- 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
- 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
- 任务一:通过教材《Python for Data Analysis》P303、Google or anything来学习了解GroupBy机制
- 任务二:计算泰坦尼克号男性与女性的平均票价
- 任务三:统计泰坦尼克号中男女的存活人数
- 任务四:计算客舱不同等级的存活人数
- 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
- 任务六:将任务二和任务三的数据合并,并保存到sex_fare_survived.csv
- 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)
数据的合并
任务一: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
import numpy as np import pandas as pd 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_left_up.head()
任务二:使用concat方法:将数据train-left-up.csv和trainright-up.csv横向合并为一张表,并保存这张表为result_up
result_up = pd.concat([text_left_up,text_right_up ], axis= 1,join='inner' ) #内连接取交集片
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。
result_down = pd.concat([text_left_down, text_right_down], axis = 1, join = 'inner' ) result=pd.concat([result_up,result_down],join='outer',axis=0)#外连接取并集 outer, 表示index全部需要; inner,表示只取index重合的部分 result.head()
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
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()
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 = resul_up.append(result_down) result.head()
换一种角度看数据
任务一:将我们的数据变为Series类型的数据
result.to_csv('result.csv', index = False) text = pd.read_csv('result.csv') text.head() unit_result = text.stack().head(20) unit_result.head
数据聚合与运算
任务一:通过教材《Python for Data Analysis》P303、Google or anything来学习了解GroupBy机制
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']) df for name, group in df: print(name) print(group) means = df.mean() means
任务三:统计泰坦尼克号中男女的存活人数
survied_sex = text['Survived'].groupby(text['Sex']).sum() survied_sex
任务四:计算客舱不同等级的存活人数
survived_pclass = text.groupby(text['Pclass'])['Survived'] survived_pclass.sum()
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
dd = text.groupby(['Pclass', 'Age'])['Fare'].mean().head()
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,survived_sex,on='Sex') result 1 result.to_csv('sex_fare_survived.csv')
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() #各年龄段存活人数 text.groupby('Age').count()['Embarked'] #各年龄段总人数 text.groupby(['Age']).sum()['Survived']/text.groupby('Age').count()['Embarked'] #各年龄段存活率 survived_age[text.groupby(['Age'['Survived'].sum().values==max(text.groupby(['Age'])['Survived'].sum())] #存活人数最多的年龄段 max(text.groupby(['Age']['Survived'].sum())/sum(text.groupby(['Age'])['Survived'].sum()) #本写法不对因为age列存在nan,groupby结果中会默认删除nan的数据
相关文章推荐
- Datawhale 数据分析 第四次任务 模型搭建
- DataWhale数据挖掘任务一
- datawhale课程[动手学数据分析]——Task03:数据重构
- DataWhale学习组之MySQL第三次学习任务
- 数据竞赛 第三次任务【Task2.2】(2天)
- 如何在MapReduce的各任务之间共享数据
- 经典大数据架构案例:酷狗音乐的大数据平台重构
- 数据结构课设任务内容
- Datawhale 零基础入门数据挖掘-Task3 特征工程(纯小白学习之路)
- PHP 杂谈《重构-改善既有代码的设计》之三 重新组织数据
- linux0.11学习笔记-技术铺垫-简单AB任务切换程序(4)-向现存写数据并响应时钟中断
- Android数据解析之JSON,网络编程之URL,异步任务AsyncTask讲解
- rsync同步备份数据(包括SQLServer维护计划,windows计划任务)
- C#第三次作业 Excel数据读取 及 HTML文件初步
- 第三次作业 Excel数据读取及HTML文件初步 目标2
- Datawhale 组队学习打卡营 任务16:批量归一化和残差网络
- iOS NSURLSession DataTask(数据任务)
- Linux 自动任务生成数据和发送邮件
- 机房重构之基本数据设定
- 第十四篇:机器学习实战:网络数据爬虫篇:豆瓣海报爬虫任务(json格式数据的抓取):任务分解、爬虫基础知识了解、谷歌开发者工具、代码实战