Titanic--细节记录二

news2024/10/7 4:29:12

merge、join以及concat的方法的不同以及相同

相同之处：都用于合并数据。不同之处：

merge主要是基于列的合并。
join主要是基于索引（行标签）的合并。
concat可以沿任意轴合并，更灵活。

import pandas as pd

df1 = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']})
df2 = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']})

merge

result = pd.merge(df1, df2, on='A', how='outer')

join

df1 = df1.set_index('A')
df2 = df2.set_index('A')
result = df1.join(df2, lsuffix='_df1', rsuffix='_df2')

df1 = df1.set_index('A')：将df1的索引设置为"A"列，意味着后续的连接操作将基于这个列的值。
df2 = df2.set_index('A')：同样地，将df2的索引设置为"A"列。
result = df1.join(df2, lsuffix='_df1', rsuffix='_df2')：使用join方法将df1和df2连接在一起。参数lsuffix和rsuffix是必要的，因为两个DataFrame在设置索引后将具有相同的列名，这些后缀将添加到重叠列名中，以便区分来自哪个DataFrame。
如果df2中A列中的值有与df1中A的值相同的则会连接在一起，否则将会补成nan

concat

result = pd.concat([df1, df2])

stack函数

stack的作用是重新塑造DataFrame，它将数据的列“堆叠”成行，生成一个MultiIndex Series，其中新的索引级别包括原始DataFrame的列名。这有助于将宽格式的数据转换为长格式，并常用于准备数据进行分析或可视化。

例如，如果原始DataFrame是：

   A  B
0  1  2
1  3  4

那么stack()的结果将是：

0  A    1
   B    2
1  A    3
   B    4
dtype: int64

agg函数

agg函数是Pandas库中的一个强大工具，用于聚合操作。它允许你同时对一个或多个列执行多种聚合操作。

使用agg函数，你可以一次执行例如求和、平均值、最小值和最大值等多种操作，并将结果组合成一个DataFrame。

以下是一个示例，说明如何使用agg函数：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 对'A'列求和，对'B'列求最大值和最小值
result = df.agg({
    'A': 'sum',
    'B': ['max', 'min']
})

结果是：

      A    B
max NaN  6.0
min NaN  4.0
sum 6.0  NaN

也可以对整个DataFrame调用agg并应用相同的聚合函数到每一列：

result = df.agg(['sum', 'mean'])

      A    B
sum   6   15
mean  2.0  5.0

countplot--计算条形统计图

sns.countplot(x="Pclass", hue="Survived", data=text)

x="Pclass"：设置x轴上的变量为"Pclass"列。这意味着图形将显示该列中不同类别的计数。
hue="Survived"：使用"Survived"列为图形着色，这样你就可以看到每个"Pclass"类别中"Survived"的不同值的计数。这可以帮助你理解"Pclass"和"Survived"之间的关系。
data=text：设置数据源为text DataFrame。这是你之前从CSV文件读取的数据。

FacetGrid

facet = sns.FacetGrid(text, hue="Survived",aspect=3)

FacetGrid是一个用于创建一组图形的对象，这些图形可以根据一个或多个分类变量的不同级别展示数据。

facet = sns.FacetGrid()：创建一个FacetGrid对象并将其赋值给变量facet。
text：第一个参数，指定要使用的DataFrame，这里是text。
hue="Survived"：设置着色变量为"Survived"列。这意味着在网格内的每个小图中，不同的"Survived"值将使用不同的颜色表示。
aspect=3：设置每个小图的宽高比为3。这控制了每个小图的形状。

kdeplot--核密度估计图

facet.map(sns.kdeplot,'Age',shade= True)

facet: 这是一个已经创建的FacetGrid对象，通常基于某个分类变量对数据进行分组。
.map(): 这是FacetGrid对象的方法，用于在网格的每个子集上绘制特定类型的图。
sns.kdeplot: 这是传递给map方法的绘图函数，用于在每个facet上绘制核密度估计图。
'Age': 这是传递给kdeplot的变量名，表示要绘制KDE图的DataFrame中的列名。
shade=True: 这是传递给kdeplot的一个参数，表示KDE图下方的区域将被填充或"阴影"，使图形更容易阅读和解释。

facet.set

facet.set(xlim=(0, text['Age'].max()))

这行代码设置了FacetGrid对象中每个子图的x轴范围。

facet: 这是一个已经创建的FacetGrid对象。
.set(): 这是FacetGrid对象的一个方法，用于设置网格属性。
xlim=(0, text['Age'].max()): 这是传递给set方法的一个参数，用于设置x轴的限制。
- 0: x轴的起始值设置为0。
- text['Age'].max(): x轴的结束值设置为text DataFrame中'Age'列的最大值。

facet.add_legend()

facet.add_legend()

facet.add_legend()是Seaborn库中FacetGrid对象的一个方法，用于在图的一个角落添加图例。

图例是一个包含一个或多个条目的区域，每个条目由一个标记（例如颜色块或线条）和一个标签组成。图例用于解释图中的符号和颜色代表的含义。

如果之前创建的FacetGrid对象facet基于某个分类变量进行着色（例如通过hue参数指定），那么调用facet.add_legend()将添加一个图例来解释这些颜色。

图例通常自动基于hue参数所代表的数据列的名称和唯一值生成。

折线图表示年龄分布情况

text.Age[text.Pclass == 1].plot(kind='kde')
text.Age[text.Pclass == 2].plot(kind='kde')
text.Age[text.Pclass == 3].plot(kind='kde')
plt.xlabel("age")
plt.legend((1,2,3),loc="best")

为什么所有的曲线都被添加到同一个图上：

没有新的图形或轴创建：如果你想在不同的图或轴上绘制，你通常会使用像plt.figure()或plt.subplot()这样的函数来创建新的图或轴。在你的代码中，没有使用这些函数，所以所有的绘图都被添加到当前的图和轴上。
连续的绘图调用：当你连续调用plot函数，matplotlib会在当前活动的轴上绘制。如果没有创建新的轴或图，那么连续的绘图调用将在同一个轴上绘制。
全局状态：matplotlib有一个全局状态机制，它跟踪当前的图、轴等。当你调用像plt.plot()这样的函数时，它操作当前活动的图和轴。如果你不显式地改变活动的图或轴，连续的调用将在同一位置操作。

填充问题

具体地说，plot方法的kind='kde'选项并不直接接受shade参数。如果你想要控制阴影或填充KDE图下方的区域，你可以直接使用Seaborn的kdeplot函数，或者使用matplotlib的命令来手动填充。

import seaborn as sns
sns.kdeplot(text.Age[text.Pclass == 1], shade=True)
sns.kdeplot(text.Age[text.Pclass == 2], shade=True)
sns.kdeplot(text.Age[text.Pclass == 3], shade=True)
plt.xlabel("age")
plt.legend((1,2,3),loc="best")