数据分析 day05(三)

美国人口数据分析

这是三个数据文件
分别是地区数据文件,面积数据文件, 时间,年龄分段对应的人口数量的数据文件

导入模块

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

导入三个数据文件

地区数据

面积数据

时间,年龄分段对应的人口

1. 把 abb(地区) 和 pop(人口) 合并起来

简要查看一下内容

使用 merge()函数 合并

1、合并的时候要用外合并（因为内合并会造成数据丢失）
2、由于没有公共属性,合并的时候需要左侧出一个属性"abbreviation",
右侧出一个属性"state/region"做key，然后再把重复的属性去掉一个"abbreviation"

2. 过滤数据

查看数据是否完整

经过查看，发现state和population属性有缺失

3. 处理缺失情况

3.1 处理state的缺失情况

1. 检查出来哪些全称的缺失 使用 isnull 函数
   

2. 输出这些缺失的行的state/region属性
   
   unique函数用于查看一个Series中有多少种值
   通过查看发现PR和USA两个缺失全称

3. 补充缺失
   【注意】赋值的时候要先找属性再选择行
   USA是United States的简称，先找到简称为USA的那些行,然后把这些行的state属性改成United States
   
   PR是Puerto Rico的简称,先找到简称为PR的那些行,然后把这些行的state属性改成Puerto Rico
   
   查看结果
   

3.2 处理population的缺失

查看哪些population有缺失

缺失处理,删除

4. 合并area(面积)表

使用.merge()函数,外合并的方式

查看合并情况

查看是否有缺失

United States的面积有缺失

将面积补全

现在数据补充完整了

经过上面的一系列操作，所有的三张表已经合并在一起，并且缺失数据也已经过滤
接下来我们对pop3这张表进行简单的挖掘

5. 数据的简单挖掘

5.1 查询2012年每个州的全民人口数据

1. 方案一
   
2. 方案二 查询语句
   

5.2 对2012年每个州的全民人口数据的查询结果进行处理，以state作为索引

使用set_index()函数

5.3 求出2012年美国各个州的人口密度

1. 计算 人口密度=人口数/面积
   
2. 创建一个DataFrame对象,用一列接收人口密度数据
   
3. 合并数据

5.4 找出2012年人口密度最大的五个州和最小的五个州

1. 根据人口密度来对整个表的所有行排序(默认升序)
   

2. 人口密度最大的五个州,取最后5个
   

3. 人口密度最小的5个州,取前5个