• 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')

abb.head(2)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

pop = pd.read_csv('./data/state-population.csv')

pop.head(2)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

area = pd.read_csv('./data/state-areas.csv')

area.head(2)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 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')

abb_pop.head(2)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 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)

abb_pop.head(2)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 查看存在缺失数据的列

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

state            True

state/region    False

ages            False

year            False

population       True

dtype: bool

# 找到有哪些state/region使得state的值为NaN，进行去重操作

# 1.state列中哪些值为空

abb_pop['state'].isnull()

0       False

1       False

2       False

        ...

2542     True

2543     True

Name: state, Length: 2544, dtype: bool

# 2.可以将step1中空对应的行数据取出(state中的空值对应的行数据)

abb_pop.loc[abb_pop['state'].isnull()]

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 3.将对应的行数据中指定的简称列取出

abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()

array(['PR', 'USA'], dtype=object)

# 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

# 1.先将USA对应的state列中的空值定位到

abb_pop['state/region'] == 'USA'

0       False

1       False

2       False

3       False

        ...

2541     True

2542     True

2543     True

Name: state/region, Length: 2544, dtype: bool

# 2,将布尔值作为原数据的行索引，取出USA简称对应的行数据

abb_pop.loc[abb_pop['state/region'] == 'USA']

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 3.获取符合要求行数据的行索引

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

# 4.将indexs这些行中的state列的值批量赋值成united states

abb_pop.loc[indexs,'state'] = 'United Status'

# 将PR对应的state列中的空批量赋值成 PUERTO RICO

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'] = 'PUERTO RICO'

# 合并各州面积数据areas

abb_pop_area = pd.merge(abb_pop,area,how='outer')

abb_pop_area.head(3)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 我们会发现area(sq.mi)这一列有缺失数据，找出是哪些行

abb_pop_area['area (sq. mi)'].isnull()

# 将空值对应的行数据取出

indexs = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index

indexs

Int64Index([2448, 2449, 2450, 2451, 2452, 2453, 2454, 2455, 2456, 2457, 2458,

            2459, 2460, 2461, 2462, 2463, 2464, 2465, 2466, 2467, 2468, 2469,

            2470, 2471, 2472, 2473, 2474, 2475, 2476, 2477, 2478, 2479, 2480,

            2481, 2482, 2483, 2484, 2485, 2486, 2487, 2488, 2489, 2490, 2491,

            2492, 2493, 2494, 2495, 2496, 2497, 2498, 2499, 2500, 2501, 2502,

            2503, 2504, 2505, 2506, 2507, 2508, 2509, 2510, 2511, 2512, 2513,

            2514, 2515, 2516, 2517, 2518, 2519, 2520, 2521, 2522, 2523, 2524,

            2525, 2526, 2527, 2528, 2529, 2530, 2531, 2532, 2533, 2534, 2535,

            2536, 2537, 2538, 2539, 2540, 2541, 2542, 2543],

           dtype='int64')

# 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    条件查询

abb_pop_area.query('year == 2010 & ages == "total"')

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 计算各州的人口密度

abb_pop_area['midu'] = abb_pop_area['population'] / abb_pop_area['area (sq. mi)']

abb_pop_area.head(2)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

# 排序，并找出人口密度最高的五个州   df.sort_values()

abb_pop_area.sort_values(by='midu',axis=0,ascending=False).head(5)

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

abb_pop_area.groupby(by='state')['area (sq. mi)'].max().sort_values(ascending=False).head(5)

state

Alaska        656425.0

Texas         268601.0

California    163707.0

Montana       147046.0

New Mexico    121593.0

Name: area (sq. mi), dtype: float64

最新文章

1. linux终端 字符界面 显示乱码
2. .Net JIT
3. 委托 与 Lambda
4. 使用vim在Linux下编写C语言程序
5. grid列的值格式化
6. PHP工厂模式的研究
7. 最长递增子序列 O(NlogN)算法
8. jython学习笔记3
9. C#计算时间差值
10. k近邻法的C++实现：kd树
11. setcookie,getcookie,delcookie,setpostBgPic
12. SQL Server判断对象是否存在 (if exists (select * from sysobjects )(转)
13. Swift学习之UI开发初探
14. jQuery复习：第四章
15. 怎么配置Jupyter Notebook默认启动目录？
16. 通俗大白话来理解TCP协议的三次握手和四次断开
17. jQuery学习- 表单事件
18. java微信开发之接受消息回复图片或者文本
19. Python学习---Django的基础操作180116
20. 后台判断ajax请求的请求后字段

热门文章

1. vue.js 笔记
2. Jquery异步上传文件
3. hdu 6035:Colorful Tree (2017 多校第一场 1003） 【树形dp】
4. php接受post传值的方法
5. CSS中浮动属性float及清除浮动
6. [CSP-S模拟测试]:Simple（数学）
7. 一个关于 ie 浏览器的 bug 解决过程和思考
8. 生产环境下，oracle不同用户间的数据迁移。第三部分
9. HDU 1003 解题报告
10. Jsoup获取DOM元素