美国各州人口数据分析

案例分析:美国各州人口数据分析

- 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()
# 1.导入文件,查看原始数据

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

abb = pd.read_csv('./data/state-abbrevs.csv')
pop = pd.read_csv('./data/state-population.csv')
area = pd.read_csv('./data/state-areas.csv')

# 查看的数据
abb.head(1)

    state   abbreviation
0   Alabama     AL


pop.head(1)
    state/region    ages    year    population
0   AL            under18   2012    1117489.0
# 2 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')
abb_pop.head(3)

        state   abbreviation    state/region    ages     year    population
0       Alabama     AL              AL        under18   2012    1117489.0
1       Alabama     AL              AL        total     2012    4817528.0
2       Alabama     AL              AL         under18   2010    1130966.0
# 3 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)
# 4 查看存在缺失数据的列

abb_pop.isnull().any(axis=0)

state            True
state/region    False
ages            False
year            False
population       True
dtype: bool
# 5 找到有哪些state/region使得state的值为NaN,进行去重操作
#    找到哪些简称 的全称为空  (就是先找到state中的空值 ,通过state在找到state/region)    
#    把简称找到以后 进行去重
#    找全称为空,用该数据找到简称,然后去重

abb_pop.head(5)
    state   state/region      ages       year    population
0   Alabama     AL          under18     2012    1117489.0
1   Alabama     AL          total       2012    4817528.0
2   Alabama     AL          under18     2010    1130966.0
3   Alabama     AL          total       2010    4785570.0
4   Alabama     AL          under18     2011    1125763.0


# 5.1.找出state中的空值

abb_pop['state'].isnull()


# 5.2.将布尔值作为元数据的行索引:定位到所有state为空对应的行数据

abb_pop.loc[abb_pop['state'].isnull()]


# 5.3.将空对应的行数据中的简称这一列的数据取出进行去重操作

abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
# array([], dtype=object)


# 6 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


# 6.1.找出USA对应state列中的空值
# 返回的是bool值
abb_pop['state/region'] == 'USA'


# 6.2.取出USA对应的行数据
abb_pop.loc[abb_pop['state/region'] == 'USA']
indexs = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
indexs
Int64Index([2496, 2497, 2498, 2499, 2500, 2501, 2502, 2503, 2504, 2505, 2506,
            2507, 2508, 2509, 2510, 2511, 2512, 2513, 2514, 2515, 2516, 2517,
            2518, 2519, 2520, 2521, 2522, 2523, 2524, 2525, 2526, 2527, 2528,
            2529, 2530, 2531, 2532, 2533, 2534, 2535, 2536, 2537, 2538, 2539,
            2540, 2541, 2542, 2543],
           dtype='int64')


# 6.3.将USA对应的空值覆盖成对应的值
abb_pop.loc[indexs,'state'] = 'United States'


# 6.4 找到PR所对应的行数据
abb_pop['state/region'] == 'PR'
abb_pop.loc[abb_pop['state/region'] == 'PR']
indexs = abb_pop.loc[abb_pop['state/region'] == 'PR'].index
abb_pop.loc[indexs,'state'] = 'ppprrr'


area.head()

    state    area (sq. mi)
0   Alabama     52423
1   Alaska      656425
2   Arizona     114006
3   Arkansas    53182
4   California  163707
# 7 合并各州面积数据areas
abb_pop_area = pd.merge(abb_pop,area,how='outer')
abb_pop_area.head()


    state   state/region    ages    year    population  area (sq. mi)
0   Alabama     AL        under18   2012.0  1117489.0   52423.0
1   Alabama     AL        total     2012.0  4817528.0   52423.0
2   Alabama     AL        under18   2010.0  1130966.0   52423.0
3   Alabama     AL        total     2010.0  4785570.0   52423.0
4   Alabama     AL        under18   2011.0  1125763.0   52423.0


# 8 我们会发现area(sq.mi)这一列有缺失数据,找出是哪些行
# 9 去除含有缺失数据的行
abb_pop_area['area (sq. mi)'].isnull()
abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()]

# 获取行索引
indexs = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index

abb_pop_area.drop(labels=indexs,axis=0,inplace=True)


# 10 找出2010年的全民人口数据
# query 做条件查询
df_2010 = abb_pop_area.query('year == 2010 & ages == "total"')
df_2010

# 11 计算各州的人口密度
abb_pop_area['midu'] = abb_pop_area['population'] / abb_pop_area['area (sq. mi)']
abb_pop_area.head(1)


    state   state/region    ages    year    population  area (sq. mi)     midu
0   Alabama     AL        under18   2012.0  1117489.0   52423.0         21.316769
# 12 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,ascending=False)

转载于:https://www.cnblogs.com/Quantum-World/p/11354665.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值