数据分析之分析美国人口

数据

https://pan.baidu.com/s/1kIJnZsYyiO-7FypWmYvY7w

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()

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')
#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')
#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)
#查看存在缺失数据的列
abb_pop.isnull().any(axis=0)
#找到有哪些state/region使得state的值为NaN，进行去重操作
abb_pop.head(5)
#1.找出state中的空值
abb_pop['state'].isnull()
#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()]
#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()
#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

#1.找出USA对应state列中的空值
abb_pop['state/region'] == 'USA'
#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
#3.将USA对应的空值覆盖成对应的值
abb_pop.loc[indexs,'state'] = 'United States'
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'
#合并各州面积数据areas
abb_pop_area = pd.merge(abb_pop,area,how='outer')
abb_pop_area.head()
#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
abb_pop_area['area (sq. mi)'].isnull()
abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()]
indexs = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index
abb_pop_area.drop(labels=indexs,axis=0,inplace=True)

#找出2010年的全民人口数据
df_2010 = abb_pop_area.query('year == 2010 & ages == "total"')
#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)
#排序
abb_pop_area.sort_values(by='midu',axis=0,ascending=False)