需求：

• 1.导入文件，查看原始数据
• 2.将人口数据和各州简称数据进行合并
• 3.将合并的数据中重复的abbreviation列进行删除
• 4.查看存在缺失数据的列
• 5.找到有哪些state/region使得state的值为NaN，进行去重操作
• 6.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
• 7合并各州面积数据areas
• 8.我们会发现area(sq.mi)这一列有缺失数据，找出是哪些行
• 9.去除含有缺失数据的行
• 10.找出2010年的全民人口数据
• 11.计算各州的人口密度
• 12.排序，并找出人口密度最高的州

①

导入文件，查看原始数据

abb = pd.read_csv(\'./state-abbrevs.csv\') 
#state(州的全称)abbreviation（州的简称）

area = pd.read_csv(\'./state-areas.csv\') 
#state州的全称，area (sq. mi)州的面积

pop = pd.read_csv(\'./state-population.csv\')
#state/region州/地区简称，ages年龄，year时间，population人口数量

②

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\')

③

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)

④

查看存在缺失数据的列
方式1：

abb_pop.info()
>>>
<class \'pandas.core.frame.DataFrame\'>
Int64Index: 2544 entries, 0 to 2543
Data columns (total 5 columns):
 #   Column        Non-Null Count  Dtype  
---  ------        --------------  -----  
 0   state         2448 non-null   object 
 1   state/region  2544 non-null   object 
 2   ages          2544 non-null   object 
 3   year          2544 non-null   int64  
 4   population    2524 non-null   float64
dtypes: float64(1), int64(1), object(3)
memory usage: 119.2+ KB

方式2:

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的值为NaN，进行去重操作

#1.找到state中的空值
abb_pop[\'state\'].isnull()
#2.将空值对应的行数据提取
abb_pop.loc[abb_pop[\'state\'].isnull()]
#3.将state空对应的简称找出
abb_pop.loc[abb_pop[\'state\'].isnull()][\'state/region\']
#4.对符合要求的简称进行去重
abb_pop.loc[abb_pop[\'state\'].isnull()][\'state/region\'].unique()
>>>
array([\'PR\', \'USA\'], dtype=object)


#nunique可以统计重复元素的个数
abb_pop.loc[abb_pop[\'state\'].isnull()][\'state/region\'].nunique()
>
2

⑥

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.state这一列中的空值对应的简称为PR和USA，
#state这一列的空值分为两种类型，一种类型需要补充PR的全称，一种类型需要补充为USA的全称
#2.找到PR简称对应全称的空值
    #可以将PR对应的行数据取出，然后将state列取出即可
abb_pop[\'state/region\'] == \'PR\'
    #取出对应的行数据
abb_pop.loc[abb_pop[\'state/region\'] == \'PR\']
#3.将符合要求的空进行正确填充
indexs = abb_pop.loc[abb_pop[\'state/region\'] == \'PR\'].index
#批量赋值
abb_pop.loc[indexs,\'state\'] = \'PPPRRR\'

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 States\'

⑦

合并各州面积数据areas

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

⑧

我们会发现area(sq.mi)这一列有缺失数据，找出是这些行

abb_pop_area[\'area (sq. mi)\'].isnull()
abb_pop_area.loc[abb_pop_area[\'area (sq. mi)\'].isnull()]
drop_index = abb_pop_area.loc[abb_pop_area[\'area (sq.mi)\'].isnull()].index
>>>
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\')

⑨

去除含有缺失数据的行

#删除缺失数据的行
abb_pop_area.drop(labels=drop_index,axis=0,inplace=True)
#删除最后一行数据
abb_pop_area.drop(labels=2544,axis=0,inplace=True)
#查看状态信息是否都已清洗完成
abb_pop_area.isnull().any(axis=0)
>>>
state            False
state/region     False
ages             False
year             False
population       False
area (sq. mi)    False
dtype: bool

⑩

找出2010年的全民人口数据

query条件查询

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

⑪

计算各州的人口密度

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

⑫

排序，并找出人口密度最高的州

sort_values:值排序

sort_index:索引排序

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