美國各州人口資料分析

- 需求： - 匯入檔案，檢視原始資料 - 將人口資料和各州簡稱資料進行合併 - 將合併的資料中重複的abbreviation列進行刪除 - 檢視存在缺失資料的列 - 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 - 合併各州面積資料areas - 我們會發現area(sq.mi)這一列有缺失資料，找出是哪些行 - 去除含有缺失資料的行 - 找出2023年的全民人口資料 - 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()

# 1.匯入檔案，檢視原始資料
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')
# 檢視的資料
abb.head(1)
state abbreviation
0 alabama al
pop.head(1)
state/region ages year population
0 al under18 2012 1117489.0

# 2 將人口資料和各州簡稱資料進行合併 abb_pop = pd.merge(abb,pop,left_on='abbreviation',right_on='state/region',how='outer') abb_pop.head(3) state abbreviation state/region ages year population 0 alabama al al under18 2012 1117489.0 1 alabama al al total 2012 4817528.0

2 alabama al al under18 2010 1130966.0

# 3 將合併的資料中重複的abbreviation列進行刪除
abb_pop.drop(labels='abbreviation',axis=1,inplace=true)

# 4 檢視存在缺失資料的列
abb_pop.isnull().any(axis=0)
state true
state/region false
ages false
year false
population true
dtype: bool

# 5 找到有哪些state/region使得state的值為nan，進行去重操作
# 找到哪些簡稱 的全稱為空 (就是先找到state中的空值 ，通過state在找到state/region) 
# 把簡稱找到以後 進行去重
# 找全稱為空,用該資料找到簡稱，然後去重
abb_pop.head(5)
state state/region ages year population
0 alabama al under18 2012 1117489.0
1 alabama al total 2012 4817528.0
2 alabama al under18 2010 1130966.0
3 alabama al total 2010 4785570.0
4 alabama al under18 2011 1125763.0
# 5.1.找出state中的空值
abb_pop['state'].isnull()
# 5.2.將布林值作為元資料的行索引：定位到所有state為空對應的行資料
abb_pop.loc[abb_pop['state'].isnull()]
# 5.3.將空對應的行資料中的簡稱這一列的資料取出進行去重操作
abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
# array(, dtype=object)

# 6 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
# 6.1.找出usa對應state列中的空值
# 返回的是bool值
abb_pop['state/region'] == 'usa'
# 6.2.取出usa對應的行資料
abb_pop.loc[abb_pop['state/region'] == 'usa']
indexs = abb_pop.loc[abb_pop['state/region'] == 'usa'].index
indexs
int64index([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')
# 6.3.將usa對應的空值覆蓋成對應的值
abb_pop.loc[indexs,'state'] = 'united states'
# 6.4 找到pr所對應的行資料
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'
area.head()
state area (sq. mi)
0 alabama 52423
1 alaska 656425
2 arizona 114006
3 arkansas 53182
4 california 163707

# 7 合併各州面積資料areas abb_pop_area = pd.merge(abb_pop,area,how='outer') abb_pop_area.head() state state/region ages year population area (sq. mi) 0 alabama al under18 2012.0 1117489.0 52423.0 1 alabama al total 2012.0 4817528.0 52423.0 2 alabama al under18 2010.0 1130966.0 52423.0 3 alabama al total 2010.0 4785570.0 52423.0

4 alabama al under18 2011.0 1125763.0 52423.0

# 8 我們會發現area(sq.mi)這一列有缺失資料，找出是哪些行
# 9 去除含有缺失資料的行
abb_pop_area['area (sq. mi)'].isnull()
abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()]
# 獲取行索引
indexs = abb_pop_area.loc[abb_pop_area['area (sq. mi)'].isnull()].index
abb_pop_area.drop(labels=indexs,axis=0,inplace=true)

# 10 找出2023年的全民人口資料
# query 做條件查詢
df_2010 = abb_pop_area.query('year == 2010 & ages == "total"')
df_2010

# 11 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(1)
state state/region ages year population area (sq. mi) midu
0 alabama al under18 2012.0 1117489.0 52423.0 21.316769

# 12 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)

美國各州人口資料分析

資料分析之分析美國人口

資料分析6 人口分析

資料分析資料分析概述

美國各州人口資料分析

資料分析之分析美國人口

資料分析6 人口分析

資料分析 資料分析概述

相關推薦

資料分析資料分析概述