# 美国人口普查数据分析
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()
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‘) #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(1) #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) # 查看存在缺失数据的列 abb_pop.isnull().any(axis=0) #找到有哪些state/region使得state的值为NaN，进行去重操作 indexs = abb_pop[‘state‘][abb_pop[‘state‘].isnull()].index abb_pop.iloc[indexs][‘state/region‘].unique() # 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 indexs = abb_pop.loc[abb_pop[‘state/region‘] == ‘PR‘].index abb_pop.loc[indexs,‘state‘] = ‘PPPRRR‘ # 先将USA简称对应的全称定位到 abb_pop[‘state/region‘]==‘USA‘ abb_pop.loc[abb_pop[‘state/region‘]==‘USA‘] indexs = abb_pop.loc[abb_pop[‘state/region‘]==‘USA‘].index abb_pop.loc[indexs,‘state‘] = ‘United State‘ # 合并各州面积数据areas abb_pop_area = pd.merge(abb_pop,area,‘outer‘) #可以查看head() # 去除含有缺失数据的行 abb_pop_area[‘area (sq. mi)‘].isnull() abb_pop_area = abb_pop_area.loc[~(abb_pop_area[‘area (sq. mi)‘].isnull())] #找出2010年的全民人口数据 abb_pop_area.query(‘ages == "total"&year=="2010"‘).head() # 计算各州的人口密度 midu = abb_pop_area[‘population‘]/abb_pop_area[‘area (sq. mi)‘] abb_pop_area[‘midu‘] = midu abb_pop_area.head() #对密度进行排序 abb_pop_area.sort_values(by=‘midu‘,axis=0,ascending=False).head(5)
原文：https://www.cnblogs.com/zhangchen-sx/p/10864471.html