- 需求：
- 導入文件，查看原始數據
- 將人口數據和各州簡稱數據進行合並
- 將合並的數據中重復的abbreviation列進行刪除
- 查看存在缺失數據的列
- 找到有哪些state/region使得state的值為NaN，進行去重操作
- 為找到的這些state/region的state項補上正確的值，從而去除掉state這一列的所有NaN
- 合並各州面積數據areas
- 我們會發現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()
In [1]:
import numpy as np from pandas import DataFrame,Series import pandas as pd
In [3]:
abb = pd.read_csv('./data/state-abbrevs.csv') pop = pd.read_csv('./data/state-population.csv') area = pd.read_csv('./data/state-areas.csv')
In [8]:
#將人口數據和各州簡稱數據進行合並
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()
Out[8]:
In [9]:
#將合並的數據中重復的abbreviation列進行刪除
abb_pop.drop(labels='abbreviation',axis=1,inplace=True) abb_pop.head()
Out[9]:
In [10]:
#查看存在缺失數據的列
abb_pop.isnull().any(axis=0)
Out[10]:
In [11]:
#找到有哪些state/region使得state的值為NaN，進行去重操作
In [13]:
#1.檢測state列中的空值
abb_pop['state'].isnull()
Out[13]:
In [15]:
#2.將1的返回值作用的state_region這一列中
abb_pop['state/region'][abb_pop['state'].isnull()]
Out[15]:
In [29]:
#3.去重
abb_pop['state/region'][abb_pop['state'].isnull()].unique()
Out[29]:
In [19]:
#為找到的這些state/region的state項補上正確的值，從而去除掉state這一列的所有NaN
abb_pop['state/region'] == 'USA'
Out[19]:
In [23]:
indexs = abb_pop['state'][abb_pop['state/region'] == 'USA'].index
In [24]:
abb_pop.loc[indexs,'state'] = 'United State'
In [27]:
pr_index = abb_pop['state'][abb_pop['state/region'] == 'PR'].index
In [28]:
abb_pop.loc[pr_index,'state'] = 'PPPRRR'
合並各州面積數據areas 我們會發現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()
In [31]:
#合並各州面積數據areas
abb_pop_area = pd.merge(abb_pop,area,how='outer') abb_pop_area.head()
Out[31]:
In [32]:
#我們會發現area(sq.mi)這一列有缺失數據，找出是哪些行
abb_pop_area['area (sq. mi)'].isnull()
Out[32]:
In [35]:
a_index = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index
In [36]:
#去除含有缺失數據的行
abb_pop_area.drop(labels=a_index,axis=0,inplace=True)
In [38]:
#找出2010年的全民人口數據
abb_pop_area.query('year == 2010 & ages == "total"')
Out[38]:
In [40]:
#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()
Out[40]:
In [43]:
#排序，並找出人口密度最高的五個州 df.sort_values()
abb_pop_area.sort_values(by='midu',axis=0,ascending=False).head()
Out[43]: