标签：数据分析 重构 merge 合并 索引 任务 泰坦尼克 数据 2.4
复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分，在第二章第一节的内容中，我们学习了数据的清洗，这一部分十分重要，只有数据变得相对干净，我们之后对数据的分析才可以更有力。而这一节，我们要做的是数据重构，数据重构依旧属于数据理解（准备）的范围。
# 导入基本库
import numpy as np
import pandas as pd
2.4 数据的合并
2.4.2：任务二：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
2.4.3 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。
2.4.4 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
2.4.5 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
【思考】对比merge、join以及concat的方法的不同以及相同。思考一下在任务四和任务五的情况下，为什么都要求使用DataFrame的append方法，如何只要求使用merge或者join可不可以完成任务四和任务五呢？
merge: 使用merge合并时，两个数据集的合并条件是类型须一致。默认是内连接，也可以按照需求选择outer，left，right等外连接方式,与sql的join相似；
concat: 合并两个数据集，可在行或者列上合并（用axis调节，默认axis=0)
join: 索引上的合并,是增加列而不是增加行，当合并的数据表列名字相同，通过lsuffix='', rsuffix='' 区分相同列名的列
2.5 换一种角度看数据
2.5.1 任务一：将我们的数据变为Series类型的数据
stack函数是干什么的？
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。
2.6 数据运用
2.6.1 任务一：通过《Python for Data Analysis》P303、Google or Baidu来学习了解GroupBy机制
将数据根据某个（多个）字段划分为不同的群体（group）进行分析
2.4.2：任务二：计算泰坦尼克号男性与女性的平均票价
【思考】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。你可以按照提示写出这个过程吗？
2.4.5：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
2.4.7：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）
标签：数据分析,重构,merge,合并,索引,任务,泰坦尼克,数据,2.4 来源： https://www.cnblogs.com/herj-0925/p/14905369.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。