人口分析案例学习笔记

需求：
1.导入文件，查看原始数据
2.将人口数据和各州简称数据进行合并
3.将合并后的数据中重复的列删除
4.查看缺失数据的列
5.找到有哪些start/region使得state的值为nan，进行去重操作
6.为值为nan的start/region的state补上正确的值
7.合并各州面积数据areas
8.找出area(sq.mi)列的缺失值，并去除含有缺失值的行
9.2010年全民人口数据
10.各州人口密度
11.排序，找出人口密度最高的州

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

# 导入文件，查看原始数据
abb = pd.read_csv('./data/state-abbrevs.csv') #state州的全称abbreviation州的简称
area = pd.read_csv('./data/state-areas.csv') #state州的全称area (sq. mi)州的面积
pop = pd.read_csv('./data/state-population.csv') #state/region州的简称，ages年龄，year时间，population人口数量
# 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')
# 将合并后的数据中重复的列删除
abb_pop.drop(labels='abbreviation',axis=1,inplace=True)
# 查看缺失数据的列
#方法1：
abb_pop.isnull().any(axis=0)
#方法2：
abb_pop.info()

# 找到有哪些start/region使得state的值为nan，进行去重操作
abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
# 为值为nan的start/region的state补上正确的值
# 1.给USA对应全称的NAN赋值
abb_pop['state/region'] == 'USA'
abb_pop.loc[abb_pop['state/region'] == 'USA'] #USA的全称为空的数据
indexs = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
abb_pop.loc[indexs,'state'] = 'United States of America'
# 2.给PR对应全称的NAN赋值
abb_pop['state/region'] == 'PR'
abb_pop.loc[abb_pop['state/region'] == 'PR'] #PR的全称为空的数据
indexs = abb_pop.loc[abb_pop['state/region'] == 'PR'].index
abb_pop.loc[indexs,'state'] = 'PPRR'

# 合并各州面积数据areas
abb_pop_area = pd.merge(abb_pop,area,how='outer')
# 找出area(sq.mi)列的缺失值，并去除含有缺失值的行
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
# 去除含有缺失值的行
abb_pop_area.drop(labels=indexs,axis=0,inplace=True)

# 2010年全民人口数据(条件查询)
abb_pop_area.query('year == 2010')
# 各州人口密度
abb_pop_area['population']/abb_pop_area['area (sq. mi)']
abb_pop_area['midu'] = abb_pop_area['population']/abb_pop_area['area (sq. mi)']
# 排序，找出人口密度最高的州
abb_pop_area.sort_values(by='midu',axis=0,ascending=False)
abb_pop_area.sort_values(by='midu',axis=0,ascending=False).iloc[0]['state']