4,根據美國各州人口,土地面積進行數據分析

數據私信我獲取spa


1,導入文件,查看原始數據3d

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')

 

2,將人口數據和各州簡稱數據進行合併blog

display(abb.head(1),pop.head(1))
abb_pop = pd.merge(abb,pop,left_on='abbreviation',right_on='state/region',how='outer')
abb_pop.head()

  

 

3,將合併的數據中重複的abbreviation列進行刪除排序

abb_pop.drop(labels='abbreviation',axis=1,inplace=True)
abb_pop.head()

  

 

4,查看存在缺失數據的列pandas

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

  

 

5,找到有哪些state/region使得state的值爲NaN,進行去重操做 it

#1.檢測state列中的空值
abb_pop['state'].isnull()
#2.將1的返回值做用的state_region這一列中
abb_pop['state/region'][abb_pop['state'].isnull()]
#3.去重
abb_pop['state/region'][abb_pop['state'].isnull()].unique()

 

6,爲找到的這些state/region的state項補上正確的值,從而去除掉state這一列的全部NaN  io

abb_pop['state/region'] == 'USA'
indexs = abb_pop['state'][abb_pop['state/region'] == 'USA'].index
abb_pop.loc[indexs,'state'] = 'United State'

pr_index = abb_pop['state'][abb_pop['state/region'] == 'PR'].index
abb_pop.loc[pr_index,'state'] = 'PPPRRR'

 

7,合併各州面積數據areas 咱們會發現area(sq.mi)這一列有缺失數據,找出是哪些行 去除含有缺失數據的行 找出2010年的全民人口數據 計算各州的人口密度 排序,並找出人口密度最高的五個州 df.sort_values()class

#合併各州面積數據areas
abb_pop_area = pd.merge(abb_pop,area,how='outer')
abb_pop_area.head()

  

#咱們會發現area(sq.mi)這一列有缺失數據,找出是哪些行
abb_pop_area['area (sq. mi)'].isnull()
a_index = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index
#去除含有缺失數據的行
abb_pop_area.drop(labels=a_index,axis=0,inplace=True)
#找出2010年的全民人口數據
abb_pop_area.query('year == 2010 & ages == "total"')
#計算各州的人口密度
abb_pop_area['midu'] = abb_pop_area['population'] / abb_pop_area['area (sq. mi)']
abb_pop_area.head()


8,排序,並找出人口密度最高的五個州 df.sort_values()
import

abb_pop_area.sort_values(by='midu',axis=0,ascending=False).head()

   

相關文章
相關標籤/搜索