• 美国各州人口数据分析


    案例分析:美国各州人口数据分析

    - 需求:
        - 导入文件,查看原始数据
        - 将人口数据和各州简称数据进行合并
        - 将合并的数据中重复的abbreviation列进行删除
        - 查看存在缺失数据的列
        - 找到有哪些state/region使得state的值为NaN,进行去重操作
        - 为找到的这些state/region的state项补上正确的值,从而去除掉state这一列的所有NaN
        - 合并各州面积数据areas
        - 我们会发现area(sq.mi)这一列有缺失数据,找出是哪些行
        - 去除含有缺失数据的行
        - 找出2010年的全民人口数据
        - 计算各州的人口密度
        - 排序,并找出人口密度最高的五个州   df.sort_values()
    
    
    # 1.导入文件,查看原始数据
    
    import numpy as np
    from pandas import DataFrame,Series
    import pandas as pd
    
    abb = pd.read_csv('./data/state-abbrevs.csv')
    pop = pd.read_csv('./data/state-population.csv')
    area = pd.read_csv('./data/state-areas.csv')
    
    # 查看的数据
    abb.head(1)
    
    	state	abbreviation
    0	Alabama		AL
    
    
    pop.head(1)
    	state/region	ages	year	population
    0	AL			  under18	2012	1117489.0
    
    
    # 2 将人口数据和各州简称数据进行合并
    abb_pop = pd.merge(abb,pop,left_on='abbreviation',right_on='state/region',how='outer')
    abb_pop.head(3)
    
    		state	abbreviation	state/region	ages	 year	 population
    0		Alabama		AL				AL		  under18	2012	1117489.0
    1		Alabama		AL				AL		  total		2012	4817528.0
    2		Alabama		AL				AL	       under18   2010	 1130966.0
    
    
    # 3 将合并的数据中重复的abbreviation列进行删除
    
    abb_pop.drop(labels='abbreviation',axis=1,inplace=True)
    
    
    # 4 查看存在缺失数据的列
    
    abb_pop.isnull().any(axis=0)
    
    state            True
    state/region    False
    ages            False
    year            False
    population       True
    dtype: bool
    
    # 5 找到有哪些state/region使得state的值为NaN,进行去重操作
    #    找到哪些简称 的全称为空  (就是先找到state中的空值 ,通过state在找到state/region)    
    #    把简称找到以后 进行去重
    #    找全称为空,用该数据找到简称,然后去重
    
    abb_pop.head(5)
    	state	state/region	  ages		 year	 population
    0	Alabama		AL			under18		2012	1117489.0
    1	Alabama		AL			total		2012	4817528.0
    2	Alabama		AL			under18		2010	1130966.0
    3	Alabama		AL			total		2010	4785570.0
    4	Alabama		AL			under18		2011	1125763.0
    
    
    # 5.1.找出state中的空值
    
    abb_pop['state'].isnull()
    
    
    # 5.2.将布尔值作为元数据的行索引:定位到所有state为空对应的行数据
    
    abb_pop.loc[abb_pop['state'].isnull()]
    
    
    # 5.3.将空对应的行数据中的简称这一列的数据取出进行去重操作
    
    abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
    # array([], dtype=object)
    
    
    
    
    # 6 为找到的这些state/region的state项补上正确的值,从而去除掉state这一列的所有NaN
    
    
    # 6.1.找出USA对应state列中的空值
    # 返回的是bool值
    abb_pop['state/region'] == 'USA'
    
    
    # 6.2.取出USA对应的行数据
    abb_pop.loc[abb_pop['state/region'] == 'USA']
    indexs = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
    indexs
    Int64Index([2496, 2497, 2498, 2499, 2500, 2501, 2502, 2503, 2504, 2505, 2506,
                2507, 2508, 2509, 2510, 2511, 2512, 2513, 2514, 2515, 2516, 2517,
                2518, 2519, 2520, 2521, 2522, 2523, 2524, 2525, 2526, 2527, 2528,
                2529, 2530, 2531, 2532, 2533, 2534, 2535, 2536, 2537, 2538, 2539,
                2540, 2541, 2542, 2543],
               dtype='int64')
    
    
    # 6.3.将USA对应的空值覆盖成对应的值
    abb_pop.loc[indexs,'state'] = 'United States'
    
    
    # 6.4 找到PR所对应的行数据
    abb_pop['state/region'] == 'PR'
    abb_pop.loc[abb_pop['state/region'] == 'PR']
    indexs = abb_pop.loc[abb_pop['state/region'] == 'PR'].index
    abb_pop.loc[indexs,'state'] = 'ppprrr'
    
    
    area.head()
    
    	state	 area (sq. mi)
    0	Alabama		52423
    1	Alaska		656425
    2	Arizona		114006
    3	Arkansas	53182
    4	California	163707
    
    
    # 7 合并各州面积数据areas
    abb_pop_area = pd.merge(abb_pop,area,how='outer')
    abb_pop_area.head()
    
    
    	state	state/region	ages	year	population	area (sq. mi)
    0	Alabama		AL		  under18	2012.0	1117489.0	52423.0
    1	Alabama		AL		  total		2012.0	4817528.0	52423.0
    2	Alabama		AL		  under18	2010.0	1130966.0	52423.0
    3	Alabama		AL		  total	 	2010.0	4785570.0	52423.0
    4	Alabama		AL		  under18	2011.0	1125763.0	52423.0
    
    
    
    
    # 8 我们会发现area(sq.mi)这一列有缺失数据,找出是哪些行
    # 9 去除含有缺失数据的行
    abb_pop_area['area (sq. mi)'].isnull()
    abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()]
    
    # 获取行索引
    indexs = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index
    
    abb_pop_area.drop(labels=indexs,axis=0,inplace=True)
    
    
    
    
    # 10 找出2010年的全民人口数据
    # query 做条件查询
    df_2010 = abb_pop_area.query('year == 2010 & ages == "total"')
    df_2010
    
    
    
    # 11 计算各州的人口密度
    abb_pop_area['midu'] = abb_pop_area['population'] / abb_pop_area['area (sq. mi)']
    abb_pop_area.head(1)
    
    
    	state	state/region	ages	year	population	area (sq. mi)	  midu
    0	Alabama		AL		  under18	2012.0	1117489.0	52423.0			21.316769
    
    # 12 排序,并找出人口密度最高的五个州   df.sort_values()
    abb_pop_area.sort_values(by='midu',axis=0,ascending=False)
    
    
  • 相关阅读:
    VS2013
    有了门面,程序会更加体面!- pos软件基于三层架构 -09
    无熟人难办事?- 闲聊设计模式-迪米特法则
    三层架构,分层开发
    Filezilla 错误
    归档和压缩
    在Linux系统下用dd命令制作ISO镜像U盘启动盘
    脚本语言
    node.js知识点提取
    npm cnpm
  • 原文地址:https://www.cnblogs.com/Quantum-World/p/11354665.html
Copyright © 2020-2023  润新知