人口分析 案例

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()
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')
abb.head(2)
stateabbreviation
0AlabamaAL
1AlaskaAK
pop.head(2)
state/regionagesyearpopulation
0ALunder1820121117489.0
1ALtotal20124817528.0
area.head(2)
statearea (sq. mi)
0Alabama52423
1Alaska656425

1. 将人口数据和各州简称数据进行合并

# 将人口数据和各州简称数据进行合并
abb_pop = pd.merge(abb,pop,how='outer',left_on='abbreviation',right_on='state/region')
abb_pop.head(4)
stateabbreviationstate/regionagesyearpopulation
0AlabamaALALunder1820121117489.0
1AlabamaALALtotal20124817528.0
2AlabamaALALunder1820101130966.0
3AlabamaALALtotal20104785570.0

2.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)
abb_pop.head(4)
statestate/regionagesyearpopulation
0AlabamaALunder1820121117489.0
1AlabamaALtotal20124817528.0
2AlabamaALunder1820101130966.0
3AlabamaALtotal20104785570.0

3.查看存在缺失数据的列

#查看存在缺失数据的列
# abb_pop.loc[]
abb_pop.isnull().any(axis=0)
state            True
state/region    False
ages            False
year            False
population       True
dtype: bool

4.找到有哪些state/region使得state的值为NaN,进行去重操作

#找到有哪些state/region使得state的值为NaN,进行去重操作

# 判断是否为空
abb_pop['state'].isnull()
# 定位到 state 为空的数据
abb_pop.loc[abb_pop['state'].isnull()]
#将结果中的state/region列取出,返回的是一个Series
abb_pop.loc[abb_pop['state'].isnull()]['state/region']

#对Series进行去重
abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
  • array(['USA'], dtype=object)
#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
abb_pop.loc[abb_pop['state/region'] == 'PR']

PR_indexs = abb_pop.loc[abb_pop['state/region'] == 'PR'].index
PR_indexs
Int64Index([2448, 2449, 2450, 2451, 2452, 2453, 2454, 2455, 2456, 2457, 2458,
            2459, 2460, 2461, 2462, 2463, 2464, 2465, 2466, 2467, 2468, 2469,
            2470, 2471, 2472, 2473, 2474, 2475, 2476, 2477, 2478, 2479, 2480,
            2481, 2482, 2483, 2484, 2485, 2486, 2487, 2488, 2489, 2490, 2491,
            2492, 2493, 2494, 2495],
           dtype='int64')

5.给对应的 空值赋值


abb_pop.loc[PR_indexs,'state'] = 'ppprrr'
usa_index = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
# abb_pop.loc[usa_index,'state'] = 'Alabama'
abb_pop.loc[usa_index,'state']

6.合并各州面积数据areas


area.head()
abb_pop_area = pd.merge(abb_pop,area,how='outer')
abb_pop_area.head()
statestate/regionagesyearpopulationarea (sq. mi)
0AlabamaALunder182012.01117489.052423.0
1AlabamaALtotal2012.04817528.052423.0
2AlabamaALunder182010.01130966.052423.0
3AlabamaALtotal2010.04785570.052423.0
4AlabamaALunder182011.01125763.052423.0

7.我们会发现area(sq.mi)这一列有缺失数据,找出是哪些行

#我们会发现area(sq.mi)这一列有缺失数据,找出是哪些行
abb_pop_area['area (sq. mi)'].isnull()
indexs = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index

8.去除含有缺失数据的行

#去除含有缺失数据的行
abb_pop_area.drop(labels=indexs,axis=0,inplace=True)

9.找出2010年的全民人口数据

#找出2010年的全民人口数据
abb_pop_area.query('year == 2010 & ages == "total"')

10.计算各州的人口密度

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

# 将数据添加到 总数据中
abb_pop_area['midu'] = abb_pop_area['population']/abb_pop_area['area (sq. mi)']
abb_pop_area.head()
statestate/regionagesyearpopulationarea (sq. mi)midu
0AlabamaALunder182012.01117489.052423.021.316769
1AlabamaALtotal2012.04817528.052423.091.897221
2AlabamaALunder182010.01130966.052423.021.573851
3AlabamaALtotal2010.04785570.052423.091.287603
4AlabamaALunder182011.01125763.052423.021.474601

11.排序,并找出人口密度最高的五个州 df.sort_values()

##排序,并找出人口密度最高的五个州 df.sort_values()
# ascending=False 倒叙
abb_pop_area.sort_values('midu',axis=0,ascending=False).head(5)
statestate/regionagesyearpopulationarea (sq. mi)midu
439District of ColumbiaDCtotal2013.0646449.068.09506.602941
433District of ColumbiaDCtotal2012.0633427.068.09315.102941
435District of ColumbiaDCtotal2011.0619624.068.09112.117647
479District of ColumbiaDCtotal1990.0605321.068.08901.779412
437District of ColumbiaDCtotal2010.0605125.068.08898.897059

转载于:https://www.cnblogs.com/zhang-zi-yi/p/10749490.html

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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