数据分析项目实战day2

目录

1.人口数据分析

1.导入并查看相关文件信息

2.进行数据操作

2.政治献金数据分析

1.读取数据查看相关信息

2.进行数据操作

3.用户消费数据分析

1.数据预处理

2.按月进行分析

​ 3.用户个体消费分析

---

​​​​​​​

---

1.人口数据分析

1.导入并查看相关文件信息

state表示州的全称，abbreviation表示缩写。

state表示州 areas表示所占面积。

state表示州，age表示调查人口的年龄，year表示统计年份，population表示人口数量。 

2.进行数据操作

将人口数据和各州简称数据合并。

上图中有两列缩写，删除其中一列。

将state空值对应的简称找到

 对简称进行去重

给为空的state补上正确的值，从而去除nan。

利用之前判别是否存在nan检测操作是否成功。

将面积数据进行合并

 删除面积为nan对应的行。

找出2010年全部年龄人口数据

 计算各州人口密度，排序并找出人口密度最高

 完整代码如下：

import numpy as np
import pandas as pd
from pandas.core.indexes.base import Index

abb=pd.read_csv("state-abbrevs.csv")#state表示州全称 abbreviation表示缩写
#print(abb)
area=pd.read_csv("state-areas.csv")#state表示州 areas表示所占面积
#print(area)
pop=pd.read_csv("state-population.csv")#state表示州，age表示调查人口的年龄，year表示统计年份，population表示人口数量。 
#print(pop)
#将人口数据和各州简称数据合并
abb_pop=pd.merge(abb,pop,left_on='abbreviation',right_on='state/region',how='outer')
# print(abb_pop.head(5))
a