list_up = [text_left_up,text_right_up]
result_up = pd.concat(list_up,axis=1)
result_up.head()
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()
resul_up = text_left_up.join(text_right_up)
result_down = text_left_down.join(text_right_down)
result.head()
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.head()
result.to_csv('result.csv')
# 將完整的資料載入出來
text = pd.read_csv('result.csv') text.head()
# **寫在這裡
unit_result=text.stack().head(20)
unit_result.head()
#將**儲存為unit_result.csv
unit_result.to_csv('unit_result.csv')
test = pd.read_csv('unit_result.csv')
test.head()
df = text['fare'].groupby(text['***'])
means = df.mean()
means
survived_*** = text['survived'].groupby(text['***']).sum()
survived_***.head()
survived_pclass = text['survived'].groupby(text['pclass'])
survived_pclass.sum()
text.groupby(['pclass','age'])['fare'].mean().head()
result = pd.merge(means,survived_***,on='***')
result
result.to_csv('***_fare_survived.csv')
#不同年齡的存活人數
survived_age = text['survived'].groupby(text['age']).sum()
survived_age.head()
#找出最大值的年齡段
survived_age[survived_age.values==survived_age.max()]
_sum = text['survived'].sum()
print(_sum)
#首先計算總人數
_sum = text['survived'].sum()
print("sum of person:"+str(_sum))
precetn =survived_age.max()/_sum
print("最大存活率:"+str(precetn))
Datawhale之動手學資料分析第一章
step1 匯入numpy pandas庫 step2 載入資料 1.1檢視資料的基本資訊 df.info 1.2觀察dataframe物件的前n行 後n行 df.head n df.tail 1.3判斷資料是否為空,為空的地方返回true,其餘地方返回false df.isnull head 1....
動手學資料分析之「資料重構」
在資料分析中,原始的資料往往比較紛繁複雜,特徵不突出,使用起來不方便,這種時候我們可以通過一定的資料重構手段,比如資料合併和資料聚類及資料重塑,來幫助我們將資料重構為更適合分析的形式,這就是資料重構的作用。pandas庫中的資料合併方法有merge 函式,concat 函式,以及join 函式。簡而...
動手學深度學習
線性回歸的基本要素 模型 為了簡單起見,這裡我們假設 只取決於房屋狀況的兩個因素,即面積 平方公尺 和房齡 年 接下來我們希望探索 與這兩個因素的具體關係。線性回歸假設輸出與各個輸入之間是線性關係 price warea area wage age b price warea area wage a...