数据重构

1）concat（）函数能够沿指定轴执行连接操作，同时对其他轴上的索引执行可选的集合运算（交集或并集）

pd.concat(  objs,

                   axis=0,

                   join = 'outer',

                   ignore_index=False,

                   keys=None,

                  levels=None,

                  names=None,

                  verify_integrity = False,

                  copy = True,

)

objs:需要连接的Series或DataFrame对象列表或字典，如果传入的是字典，排序后的键将作为keys参数的值，除非         keys参数已经指定了，任何None对象都将被无声丢弃，如果他们全部都是None,在这种情况下，将会抛出                ValueError异常；

axis：（0，1，2，。。。），默认为0，沿着对应的轴进行连接；

join：{‘inner’，‘outer’}，如何处理其他轴上的索引，默认为outer

。。。。。

今天的任务就是通过设置axis=1，实现对列的连接（上下连接），axis=0，实现对行的连接（左右连接）

2）使用append连接

   append可以视为axis=0的，简单版concat，也就是说它只支持行拼接，同时比concat简便一些。这里要注意和concat的区别，concat是pd的属性，频pd.concat(),而append是对df的方法，df1.append(df2)

3）使用merge连接

merge(left,right,how='inner',on=None,left_on=None,right_on=None,left_index=False,right_index=False,sort=True，suffixes=('_x','_y'),copy=True,indicator=Flase)

left,right:两个不同的DataFrame；

how：指的是合并（连接）的方式有inner（内连接）、left（左外连接）、right（右外连接）、outer（全外连   接），默认为inner；

on：指的是用于连接的列索引名称，必须存在左右两个DataFrame对象中，如果没有指定且其他参数也为指定则以两个DATa Frame的列名交集作为连接键

left_on:左则DataFrame中用作连接键的列名，这个参数中左右列名不相同，但代表的含义相同时非常有用。

right_on:左则DataFrame中用作连接键的列名

。。。。。

merge的特征：默认以重叠列名当作连接键、默认是INNer Join、可以多键连接，‘on’参数后传入多键列表即可、如果两个对象的列表不同，可以用left_on,right_on指定、也可以用行索引当连接键，使用参数left_index=True,righe_index=True,但这种情况下最好用JOIN。

4)使用Join连接

类似于append之于concat，join也可以理解为merge的一个简便并且特殊的方法，join也可以设置参数‘how’，只不过这里默认值不同，Merge中，‘how’默认值是‘inner’，join中的默认值‘left’

对比总结：（摘：多姆杨 记录pandas中多表合并（concat，append，merge，join）的一些问题）

1.concat和append可以实现的是表间‘拼接’，而merge和join则实现的标间‘合并’。区别在于是否基于‘键’来进行合并。如果只是简单地‘堆砌’，则用从cat和append比较合适，而如果遇到关联表，需要根据‘键’来合并，则用merge和join。

2.concatenate和merge是pandas的属性，所以调用时写成pd.concat()或者pd.merge();而append和join是DataFrame的方法，df.append()或者df.join（）

3.append只能实现行拼接，从这个观点来看，concatenate的功能更加强大，理论上append可以完成的操作concat都可以完成，只需要更改相应的参数即可。

4.类似于append之于concat，join可以完成的操作merge也都可以完成，因此merge更加强大。

5.append和join存在的意义在于简洁和易用。

6.最关键地，concat后面的对于df的参数形式是objs，这个objs可以是一个列表或集合，里面可以有很多个df；而merge后面跟的参数形式是left和right，只有两个df。因此concat其实可以快速实现多表的拼接，而merge只能实现两表的合并。

stack方法可将列转为行；

GroupBy技术：在日常的数据分析中，经常需要将数据根据某个（多个）字段划分为不同的群体（Group）进行分析。groupby的过程就是将原有的DataFrame按照groupby的字段划分为若干个分组DataFrame，以后的一系列操作（agg、apply等），均是基于子DATa Frame操作的。

agg聚合操作：求和、均值、最大值、最小值等；

df = text['Fare'].groupby(text['Sex'])

list(df)：可见将分组后对象进行list转化，可以看到分组情况；