数据分析案例-人口分析

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

abb = pd.read_csv('./anaconda3/课件/data/state-abbrevs.csv')
area = pd.read_csv('./anaconda3/课件/data/state-areas.csv')
pop = pd.read_csv('./anaconda3/课件/data/state-population.csv')

abb.head()

area.head()

pop.head()

# 1.将人口数据和各州简称数据进行合并
df = pd.merge(abb,pop,left_on='abbreviation',right_on='state/region',how='outer')
df

# 2.将合并的数据中重复的abbreviation列进行删除
df.drop(labels='abbreviation',axis=1,inplace=True)
df

# 3.查看存在缺失数据的列
df.isnull().any(axis=0)
# 获取state 和 population 存在缺失数据

# 4.找到有哪些state/region使得state的值为NaN，进行去重操作
df.loc[df.loc[df['state'].isnull()].index]['state/region'].unique()

# 5.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
# 分两步补充，先补PR,在补充USA
indexs = df.loc[df['state/region']=='PR'].index
df.loc[indexs,'state']='PUERTO RICO'

# 在补充USA
indexs = df.loc[df['state/region']=='USA'].index
df.loc[indexs,'state']='United States'

# 6.合并各州面积数据areas
dd = pd.merge(df,area,on = 'state',how='outer')
dd

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

# 8.去除含有缺失数据的行
dd.drop(labels=dd[dd['area (sq. mi)'].isnull()].index,axis=0,inplace=True)

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

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

# 11.排序，并找出人口密度最高的州
dd.sort_values('midu',ascending=False,na_position='last')

dd.sort_values('midu',ascending=False,na_position='last').iloc[1]['state']