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
import pandas as pd
# 读取数据
#州的全称和简称
abb = pd.read_csv('./data/state-abbrevs.csv')
pop = pd.read_csv('./data/state-population.csv')
area = pd.read_csv('./data/state-areas.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')
为了保证数据的完整性，这里使用了outer, 默认情况下是inner
#将合并的数据中重复的abbreviation列进行删除
注意，这里是删除列
abb_pop.drop(labels='abbreviation', axis=1,,inplace=True)
在drop中，axis=1表示是列，一般情况下axis=1表示为行， inplace=True则是将结果作用到原数据中。
查看存在缺失数据的列
这里有两种方法：
方法一：
abb_pop.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2544 entries, 0 to 2543
Data columns (total 5 columns):
state 2448 non-null object
state/region 2544 non-null object
ages 2544 non-null object
year 2544 non-null int64
population 2524 non-null float64
dtypes: float64(1), int64(1), object(3)
memory usage: 119.2+ KB
可以看到总共有2544行数据，但其中state, population的数据要少，说明有空数据
方法二：
abb_pop.isnull().any()
state True
state/region False
ages False
year False
population True
dtype: bool
isnull(),如果为空，则返回True,否则返回False,可以看到，同样state, population表有空数据。
# 找到有哪些state/region（简称）使得state（全称）的值为NaN，进行去重操作
这里理解起来比较绕，这里分开理解：
state列有NaN, 找到它对应的state/region，然后对它进行去重
# 取出state列,判断是否为NaN,返回的结果是True,或者False
abb_pop['state'].isnull()
# 将True,False作为索引，即返回state为空的行数据
abb_pop[abb_pop['state'].isnull()]
# 取出state/region列
abb_pop[abb_pop['state'].isnull()]['state/region]
# 去重
abb_pop[abb_pop['state'].isnull()]['state/region].unique()
它返回的结果是：
array(['PR', 'USA'], dtype=object)
说明，PR,USA对应的state的数据为Nan
# 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
从上一步的结果中可以看到，state中的空值有两种情况分别为：PR, USA,也就是说我们要分别赋正确的值，而要分开这两种情况只能分别判断
abb_pop['state/region']
# 判断是否为PR
abb_pop['state/region'] == 'PR' # 返回为True，则说明数据为PR
# 以True,False为索引取出行数据
abb_pop.loc[abb_pop['state/region'] == 'PR']
# 或者下面也行：因为True,False根本不是原来的索引
abb_pop[abb_pop['state/region'] == 'PR']
# 获取对应的索引
index_pr = abb_pop.loc[abb_pop['state/region'] == 'PR'].index
# 得到的index_pr为
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],
dtype='int64')
现在我们得到了pr对应的行索引，要做的就是对这些行的state进行赋值
# 这里用loc是对的，因为index_pr是abb_pop的索引
abb_pop.loc[index_pr, 'state']= 'Puerto Rico'
再次查看为空的state/region
# 可以看到只有usa了
abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
同样的道理，处理USA的行，将USA对应的全称的空值覆盖为United states
# 取出USA的行，先判断，拿到index
abb_pop['state/region'] == 'USA'
#根据index取出对应行数据
abb_pop.loc[abb_pop['state/region'] == 'USA']
#取出这些行的索引
index_usa = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
对应索引值列表如下：
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')
现在，对这些行的值进行填充：
abb_pop.loc[index_usa, 'state'] = 'United states'
再次查看原表：已经没有空值了
abb_pop.loc[abb_pop['state'].isnull()]['state/region'].unique()
array([], dtype=object)
# 合并各州面积数据areas
abb_pop_area = pd.merge(abb_pop, area, on='state',how='outer')
只有有相同数据时才能合并，这里通过state合并，使用outer是为了保持数据完整
# 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
# 判断空值的，将True,False作为索引
area_null_index = abb_pop_area['area (sq. mi)'].isnull()
# 取出对应的行，再取它的索引
drop_index = abb_pop_area[area_null_index].index
# abb_pop_area.loc[area_null_index].index
# 去除这些行
abb_pop_area.drop(labels=drop_index,axis=0, inplace=True)
# 2010年的全民人口数据
abb_pop_area.query('ages=="total" & year=2010')
# 计算各州人口密度
abb_pop_area['population']/abb_pop_area['area (sq. mi)']
# 赋值施回表中
abb_pop_area['density']=abb_pop_area['population']/abb_pop_area['area (sq. mi)']
