AFDataResponse 数据怎么取出

DataWhale 动手学数据分析 Task03-1

• 
  

• 第二章：数据清洗及特征处理

• 第二节 数据重构

• 2.4 数据的合并

• 2.4.1 任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系
• 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
• 2.4.6 任务六：完成的数据保存为result.csv

• 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

【回顾&引言】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。

第二章：数据清洗及特征处理

第二节 数据重构

2.4 数据的合并

开始之前，导入numpy、pandas包和数据

#加载所需的库
import numpy as np
import pandas as pd

# 载入data文件中的:train-left-up.csv
left_down=pd.read_csv('./data/train-left-down.csv')
left_up=pd.read_csv('./data/train-left-up.csv')
right_down=pd.read_csv('./data/train-right-down.csv')
right_up=pd.read_csv('./data/train-right-up.csv')

2.4.1 任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系

#写入代码
right_up.head()

#写入代码
left_up.head()

【提示】结合之前我们加载的train.csv数据，大致预测一下上面的数据是什么

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

#写入代码
result_up=pd.concat([left_up,right_up],axis=1)
result_up.head()

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。

#写入代码
result_down=pd.concat([left_down,right_down],axis=1)
result_down.head()

result=pd.concat([result_up,result_down])
result.head()

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

#写入代码
result_up2=left_up.join(right_up)
result_down2=left_down.join(right_down)
result2=result_up2.append(result_down2)
result2.head()
# result2.shape

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

#写入代码
result_up3=pd.merge(left_up,right_up,left_index=True,right_index=True)
result_down3=pd.merge(left_down,right_down,left_index=True,right_index=True)
result3=result_up3.append(result_down3)
result3.head()

【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？

2.4.6 任务六：完成的数据保存为result.csv

#写入代码
result.to_csv('result.csv')

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

#写入代码
stacked=result.stack()
stacked.head()

这个stack函数是干什么的？