#-----------------------------------------------------
#範例16-19：將1維series合併到2維DataFrame
#https://www.w3schools.com/python/pandas/ref_df_merge.asp
#https://ithelp.ithome.com.tw/articles/10200433
#http://violin-tao.blogspot.com/2017/06/pandas-2-concat-merge.html
#http://changtw-blog.logdown.com/posts/895468-python-numpy-axis-concept-organize-notes

#（1）檔案：學生成績檔：score2.xlsx（mad3a資料表）
#https://acupun.site/lecture/python/py_example/chp16/score2.xlsx

#（2）重點1：計算平均分數的series後，如何給予index名稱
# series1 = df2.mean(axis=1).rename('個人平均')

#（3）重點2：如何左右合併(df ＋　series1)：concat
# numpy和pandas中 axis(軸)的概念:
# (A)df.mean(axis=1),表示依照row(index)，計算每一水平列（每個學生）的平均
# 圖示：http://user-image.logdown.io/user/18813/blog/18326/post/895468/NdQzZsNgR9un4TIruSVe_6.jpg

# (B)df.mean(axis=0),表示依照欄位(colunmns)，計算每一垂直欄位（每個科目）的平均
# 圖示：http://user-image.logdown.io/user/18813/blog/18326/post/895468/hdxcm2OEQGCxXpEgBn0V_9.jpg

#（4）重點3：
# 大部分的pandas函數，都支持1維度的series，與2維的DataFrame的計算
# 少數的pandas函數，例如：關鍵字查詢(.str.contains())只支援1維度的series，不支持2維的DataFrame的計算
# 2維的DataFrame的函數計算，可以指定axis=0 計算垂直欄位函數，或是指定axis=1,計算水平列的函數

#------------------------------
#1.練習1：計算數學科平均分數
#import pandas as pd
#df = pd.read_excel("https://acupun.site/lecture/python/py_example/chp16/score2.xlsx","mad3a")
#------------------------------
#（1）讀取網路檔案：score2.xlsx（mad3a資料表）
print()
print("1-1.全部的資料=\n")

#------------------------------
#2.練習2：水平左右合併series，與DataFrame：pd.concat([df,series1], axis=1)
#------------------------------
#df2 = df[["chi", "eng", "math"]]
#（1）建立個人平均分數series
#series1 = df2.mean(axis=1).rename('個人平均')
#---------------
print()
print("2-1.個人平均分數=\n", )

#------------------------------
#（2）使用concat左右合併(df ＋　series1)
#df3 = pd.concat([df,series1], axis=1)
#------------------------------
print()

print("2-2.合併後dataFrame=\n")

#------------------------------
#3.練習3：垂直上下合併series，與DataFrame：pd.concat([df,series1], axis=1)
#------------------------------
#df4 = df3[["chi", "eng", "math", "個人平均"]]
#（1）建立科目平均分數series
#series4 = df4.mean(axis=0).rename('科目平均')
#------------------------------
print()
print("3-1.科目平均分數=\n")

#------------------------------
#（2）使用concat上下合併(df ＋　series1)
#df5 = pd.concat([df4, series4], axis=0)
#------------------------------
print()

print("3-2.上下合併後dataFrame=\n")

#------------------------------
#（3）使用append上下合併(df ＋　series1),小數點2位
#df5 = df4.append(series4).round(2)
#------------------------------
print()

print("3-3.上下合併後dataFrame=\n")

#------------------------------
#（4）再補上前面2個欄位（id,name),小數點1位
#df6 = pd.concat([df[['id','name']], df5], axis=1).round(1)
#------------------------------
print()

print("3-4.再補上前面2個欄位（id,name)=\n")
#--------------------------------------------------------------------




















#--------------------------------------------------------------------
#範例16-19：將1維series合併到2維DataFrame
#https://www.w3schools.com/python/pandas/ref_df_merge.asp
#https://ithelp.ithome.com.tw/articles/10200433
#http://violin-tao.blogspot.com/2017/06/pandas-2-concat-merge.html
#http://changtw-blog.logdown.com/posts/895468-python-numpy-axis-concept-organize-notes

#（1）檔案：學生成績檔：score2.xlsx（mad3a資料表）
#https://acupun.site/lecture/python/py_example/chp16/score2.xlsx

#（2）重點1：計算平均分數的series後，如何給予index名稱
# series1 = df2.mean(axis=1).rename('個人平均')

#（3）重點2：如何左右合併(df ＋　series1)：concat
# numpy和pandas中 axis(軸)的概念:
# (A)df.mean(axis=1),表示依照row(index)，計算每一水平列（每個學生）的平均
# 圖示：http://user-image.logdown.io/user/18813/blog/18326/post/895468/NdQzZsNgR9un4TIruSVe_6.jpg

# (B)df.mean(axis=0),表示依照欄位(colunmns)，計算每一垂直欄位（每個科目）的平均
# 圖示：http://user-image.logdown.io/user/18813/blog/18326/post/895468/hdxcm2OEQGCxXpEgBn0V_9.jpg

#（4）重點3：
# 大部分的pandas函數，都支持1維度的series，與2維的DataFrame的計算
# 少數的pandas函數，例如：關鍵字查詢(.str.contains())只支援1維度的series，不支持2維的DataFrame的計算
# 2維的DataFrame的函數計算，可以指定axis=0 計算垂直欄位函數，或是指定axis=1,計算水平列的函數

#------------------------------
#1.練習1：計算數學科平均分數
#------------------------------
#（1）讀取網路檔案：score2.xlsx（mad3a資料表）
import pandas as pd
df = pd.read_excel("https://acupun.site/lecture/python/py_example/chp16/score2.xlsx","mad3a")
print()
print("1-1.全部的資料=\n", df)


#------------------------------
#2.練習2：水平左右合併series，與DataFrame：pd.concat([df,series1], axis=1)
#------------------------------
print()
df2 = df[["chi", "eng", "math"]]
#---------------
#（1）建立個人平均分數series
series1 = df2.mean(axis=1).rename('個人平均')
print("2-1.個人平均分數=\n", series1)

#---------------
#（2）使用concat左右合併(df ＋　series1)
print()
df3 = pd.concat([df,series1], axis=1)
print("2-2.合併後dataFrame=\n", df3)

#------------------------------
#3.練習3：垂直上下合併series，與DataFrame：pd.concat([df,series1], axis=1)
#------------------------------
print()
df4 = df3[["chi", "eng", "math", "個人平均"]]
#---------------
#（1）建立科目平均分數series
series4 = df4.mean(axis=0).rename('科目平均')
print("3-1.科目平均分數=\n", series4)

#---------------
#（2）使用concat上下合併(df ＋　series1)
print()
df5 = pd.concat([df4, series4], axis=0)
print("3-2.上下合併後dataFrame=\n", df5)

#---------------
#（3）使用append上下合併(df ＋　series1),小數點2位
print()
df5 = df4.append(series4).round(2)
print("3-3.上下合併後dataFrame=\n", df5)

#---------------
#（4）再補上前面2個欄位（id,name),小數點1位
print()
df6 = pd.concat([df[['id','name']], df5], axis=1).round(1)
print("3-4.再補上前面2個欄位（id,name)=\n", df6)

#--------------------------------------------------------------------