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)
