数据分析 案例之人口分析

案例分析：美国各州人口数据分析

data-csv:

https://cloud.189.cn/t/yuA7BjfMFRzm (访问码:fw18)  

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
import pandas as pd
from pandas import Series,DataFrame
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(哪些简称对应的全程值为空，且对符合要求的简称进行去重)
#1.找出state的空对应的简称数据
#1.1找出state为空对应的行数据
abb_pop['state'].isnull()
abb_pop.loc[abb_pop['state'].isnull()]
#2.对符合要求的简称进行去重
#2.1将符合要求的简称取出
abb_pop.loc[abb_pop['state'].isnull()]['state/region']
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。 Puerto Rico 
#state这一列中的空起始可以分为两种类型：PR对应的空，USA对应的空

#1.找出PR简称对应的行数据
abb_pop['state/region'] == 'PR'
abb_pop.loc[abb_pop['state/region'] == 'PR']
#2.找出符合要求行数据的行索引
indexs = abb_pop.loc[abb_pop['state/region'] == 'PR'].index
#3,将indexs对应的行中的state列的空值批量赋值成Puerto Rico
abb_pop.loc[indexs,'state'] = 'Puerto Rico'

abb_pop['state/region'] == 'USA'
abb_pop.loc[abb_pop['state/region'] == 'USA'].index
indexs = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
abb_pop.loc[indexs,'state'] = 'united status'

#合并各州面积数据areas
abb_pop_area = pd.merge(abb_pop,area,how='outer')

#我们会发现area(sq.mi)这一列有缺失数据，找出是哪些行
#1.将area (sq. mi)列中空值对应的行数据取出
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

#去除含有缺失数据的行
abb_pop_area.drop(labels=indexs,axis=0,inplace=True)

#找出2010年的全民人口数据
abb_pop_area.query('ages == "total" & year == 2010')

#计算各州的人口密度
abb_pop_area['midu'] = abb_pop_area['population'] / abb_pop_area['area (sq. mi)']

#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)