人口分析案例

---

需求

源数据获取–密码:6qpt

• 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()

---

一、数据预处理

• 导入包

import pandas as pd
import numpy as np
from pandas import DataFrame

• 导入文件 查看原始数据

abb = pd.read_csv('./data/state-abbrevs.csv')
abb
# state：全称  abbreviation：简称

pop = pd.read_csv('./data/state-population.csv')
pop

area = pd.read_csv('./data/state-areas.csv')
area

• 将各州数据【abb】和人口数据【pop】进行合并

使用outer:保证数据完整性
[Python3]pandas.merge用法详解

abb_pop = pd.merge(abb,pop,left_on='abbreviation',right_on='state/region',how='outer')
abb_pop.head()

• 将合并后的数据列进行删除 ： abbreviation

# inplace作用在原DataFrame上
abb_pop.drop(labels='abbreviation',axis=1,inplace=True)
abb_pop.head()

• 查看表中的缺失数据

info()
isnull().any(axis=0)⭐

abb_pop