人口分析案例
作者:互联网
- 需求:
- 导入文件,查看原始数据
- 将入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,从而取出掉state这一列的所有NaN
- 合并各州面积数据areas
- 我们会发现area这一列有缺失数据,找出是哪些行
- 取出含有缺失数据的行
- 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州
import numpy as np
import pandas as pd
from pandas import DataFrame
#导入文件,查看原始数据
#state(州的全称)abbreviation(州的简称)
abb = pd.read_csv('./data/state-abbrevs.csv')
#state州的全称area (sq. mi)州的面积
area = pd.read_csv('./data/state-areas.csv')
#state/region简称ages年龄year时间population人口
pop = pd.read_csv('./data/state-population.csv')
#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')
#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
#方式一:isnull,notnull,any,all
abb_pop.isnull().any(axis=0)
#state,population这两列中是存在空值
#方式二:
abb_pop.info()
#找到有哪些state/region使得state的值NaN,进行去重操作
#将state中的空值定位到
abb_pop['state'].isnull()
#将上诉的布尔值作为源数据的行索引
#将state中空对应的行数据取出
abb_pop.loc[abb_pop['state'].isnull()]
#将简称取出
abb_pop.loc[abb_pop['state'].isnull()]['state/region']
#对简称去重
abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
#结论:只有PR和USA对应的全称数据为空值
#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
#使用元素赋值的方法进行填充
#先给USA的全称对应的空值进行批量赋值
#将USB对应的行数据找出(行数据中就存在state的空值)
abb_pop['state/region'] == 'USA'
#将USA对应的行数据取出
abb_pop.loc[abb_pop['state/region'] == 'USA']
#将USA对应的全称空对应的行索引取出
indexs = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
abb_pop.iloc[indexs]
abb_pop.loc[indexs,'state'] = 'United States'
#可以将PR的全程进行赋值
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'
#合并各州面积数据areas
abb_pop_area = pd.merge(abb_pop,area,how='outer')
#我们会发现area这一列有缺失数据,找出是哪些行
abb_pop_area['area (sq. mi)'].isnull()
#空对应的行数据
abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()]
indexs = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index
#去除含有缺失数据的行
abb_pop_area.drop(labels=indexs,axis=0,inplace=True)
#找出2010年的全民人口数据(基于df做条件查询)
#用query做条件筛选
abb_pop_area.query('ages == "total" & year == 2010')
#计算各州的人口密度()人口除以面积
abb_pop_area['midu'] = abb_pop_area['population'] / abb_pop_area['area (sq. mi)']
#排序,并找出人口密度最高的州
#ascending=False降序,默认是升序
abb_pop_area.sort_values(by='midu',axis = 0,ascending=False)['state'][0]
标签:分析,loc,abb,area,region,pop,人口,案例,state 来源: https://blog.csdn.net/weixin_50248555/article/details/121358571