机器学习-数据科学库 12 美国人口数据分析案例

机器学习——Azure机器学习模型在线搭建实验原理+详细操作步骤+分析(以UCI数据库的数据为例) Azure机器学习模型搭建实验 本文数据及文档地址:https://github.com/w1449550206/Azure-machine-learning-model-building-experiment.git 文章目录Azure机器学习模型搭建实验机器学习工作流程总结登录方法Azure平台简介Azure机器学习实验详细操作步骤Azure机器学习实验一、项目背景【项目简介】【项目涉及知识点... 阅读详情

数据准备

参考:https://github.com/jakevdp/data-USstates

import pandas as pd

# 导入文件,查看原始数据
# state 州的全称,abbreviation 州的简称
abb = pd.read_csv("./state-abbrevs.csv")

# state 州的全称,area 占地面积
area = pd.read_csv("./state-areas.csv")

# state/region 州的简称,ages 年龄,year 时间,population 人数
pop = pd.read_csv("./state-population.csv")

预处理

数据外联合并

# 将人口数据和各州简称数据进行合并(为了保证数据的完整性,采用外连接的方式)
abb_pop = pd.merge(abb, pop, left_on="abbreviation", right_on="state/region", how="outer")
print(abb_pop.head(5))

# 对合并后的数据删除重复列:abbreviation 和 state/region 等效
abb_pop.drop(labels="abbreviation", axis=1, inplace=True)
print(abb_pop.head(5))

输出:

     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  Alabama           AL           AL    total  2010   4785570.0
4  Alabama           AL           AL  under18  2011   1125763.0
     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

空值处理

# 查看空值
print(abb_pop.isnull().any(axis=0))
print(abb_pop.info())

# 定位 state 为空的行
state_null_series = abb_pop.loc[abb_pop['state'].isnull()]['state/region']

# 查看去重后的 state
print(state_null_series.unique())

# USA 的全称对应的空值进行人工批量填充
usa_indexes = abb_pop.loc[abb_pop['state/region'] == 'USA'].index
abb_pop.loc[usa_indexes, 'state'] = 'United States'
print(abb_pop.loc[abb_pop['state/region'] == 'USA'].head(5))

# PR 的全称对应的空值进行人工批量填充
pr_indexes = abb_pop.loc[abb_pop['state/region'] == 'PR'].index
abb_pop.loc[pr_indexes, 'state'] = 'Puerto Rico'
print(abb_pop.loc[abb_pop['state/region'] == 'PR'].head(5))

输出:

state            True
state/region    False
ages            False
year            False
population       True
dtype: bool
<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
None
['PR' 'USA']
              state state/region     ages  year   population
2496  United States          USA  under18  1990   64218512.0
2497  United States          USA    total  1990  249622814.0
2498  United States          USA    total  1991  252980942.0
2499  United States          USA  under18  1991   65313018.0
2500  United States          USA  under18  1992   66509177.0

            state state/region     ages  year  population
2448  Puerto Rico           PR  under18  1990         NaN
2449  Puerto Rico           PR    total  1990         NaN
2450  Puerto Rico           PR    total  1991         NaN
2451  Puerto Rico           PR  under18  1991         NaN
2452  Puerto Rico           PR    total  1993         NaN

数据分析

# 合并各州面积数据areas
abb_pop_area = pd.merge(abb_pop, area, left_on='state', right_on='state', how='outer')

# 去掉 area 缺失的行
abb_pop_area_null_indexes = abb_pop_area[abb_pop_area['area (sq. mi)'].isnull()].index
print(abb_pop_area.iloc[abb_pop_area_null_indexes].head(5))
abb_pop_area.drop(labels=abb_pop_area_null_indexes, axis=0, inplace=True)

# 找出2010年的全民人口数据
print(abb_pop_area.query('ages == "total" & year == 2010').head(5))

# 计算各州的人口密度(人口除以面积)
abb_pop_area['density'] = abb_pop_area['population'] / abb_pop_area['area (sq. mi)']
print(abb_pop_area.head(5))

# 排序,并找出人口密度最高的州
most_density_state_str = abb_pop_area.sort_values(by='density', axis=0, ascending=False).iloc[0]['state']
print(most_density_state_str)

输出:

              state state/region     ages  year   population  area (sq. mi)
2496  United States          USA  under18  1990   64218512.0            NaN
2497  United States          USA    total  1990  249622814.0            NaN
2498  United States          USA    total  1991  252980942.0            NaN
2499  United States          USA  under18  1991   65313018.0            NaN
2500  United States          USA  under18  1992   66509177.0            NaN
          state state/region   ages  year  population  area (sq. mi)
3       Alabama           AL  total  2010   4785570.0        52423.0
91       Alaska           AK  total  2010    713868.0       656425.0
101     Arizona           AZ  total  2010   6408790.0       114006.0
189    Arkansas           AR  total  2010   2922280.0        53182.0
197  California           CA  total  2010  37333601.0       163707.0
     state state/region     ages  year  population  area (sq. mi)    density
0  Alabama           AL  under18  2012   1117489.0        52423.0  21.316769
1  Alabama           AL    total  2012   4817528.0        52423.0  91.897221
2  Alabama           AL  under18  2010   1130966.0        52423.0  21.573851
3  Alabama           AL    total  2010   4785570.0        52423.0  91.287603
4  Alabama           AL  under18  2011   1125763.0        52423.0  21.474601
District of Columbia
IT行业方向细分,如何做到专家水平——3.数据科学与人工智能(Data Science & AI) AI领域变化极快,专家需保持每月20小时前沿学习(如arXiv论文精读+Hugging Face模型试验)。真正的专家不是“知道所有答案”,而是能提出关键问题。 阅读详情

相关推荐

【人工智能】—美国加利福尼亚州房价预测实战案例

特别是在美国加利福尼亚州,这个以其高房价和房地产市场的波动性而闻名的地方,准确的房价预测显得尤为重要。从硅谷的高科技产业到洛杉矶的娱乐业,再到旧金山的金融中心,加利福尼亚州的经济多元化为房地产市场提供了坚实的基础。大家可能觉得看图没有感觉,我就给大家把预测数据合并到表内,给大家展示预测完全正确的部分数据(见下图,倒数第二列为实际结果,最后一列为预测结果)。比较预测和实际结果(红棕色线为预测数据,蓝色为实际数据),可以看出模型的预测能力还是相当不错的,当然有更多的数据,我相信预测结果会更加准确。

2202_76035290的博客 4002

人口分析案例

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

xy1596的博客 477

Python数据可视化分析实战:人口收入普查数据分析与可视化(含源码+文档+PPT)

在当今数据驱动的时代,数据可视化已成为数据分析流程中不可或缺的一环。本章将系统性地介绍从原始数据到可视化呈现的完整流程,涵盖数据采集、预处理、清洗、分析与可视化展示等关键步骤。通过流程图与实例说明,帮助读者建立清晰的数据分析全流程认知框架。整个流程可概括为以下几个核心阶段:1.数据采集:从公开数据源或通过爬虫获取原始数据;2.数据预处理:包括缺失值处理、异常值检测、去重等操作;3.数据清洗:统一字段格式、类型转换、错误修复;4.数据分析。

weixin_42351520的博客 674

数据分析实战⑦——美国各州人口分析

【代码】数据分析实战⑦——美国各州人口分析。

2301_78195908的博客 568

Python数据科学手册配套数据集详解

在数据科学领域,数据质量是至关重要的。数据清洗与预处理是确保数据质量的关键步骤,它们涉及识别和修正数据集中的错误、缺失值和异常值。Python提供了丰富的库如Pandas和NumPy,帮助我们高效地进行数据清洗和预处理。以下是一个简单的数据清洗流程,包括去除重复数据、处理缺失值以及识别异常值:# 假设我们有一个CSV文件,我们将使用Pandas读取它# 去除重复数据# 处理缺失值,可以选择填充或删除# 例如,用每列的均值填充缺失值# 删除含有缺失值的行。

weixin_36431814的博客 1258

美国各州人口数据分析csv

美国各州人口数据分析csv

机器学习--人口普查数据分析

机器学习--人口普查数据分析 在进行人口普查分析的时候需要对数据进行清洗;通过数据清洗的方法对数据进行清洗; 下载数据从官方网站下载原始数据:UCI Machine Learning Repository 将下载好的adult.data文件转化成adult.csv文件 清洗数据 对数据进行清洗---对照https://archive.ics.uci.edu/ml/datasets/Adult中的数据信息进行清洗。 替换方法 ...

qq_52159080的博客 2123

state-areas.csv

人口分析案例所需文件2

Python数据处理(一)——以美国各州统计数据为例

编写本篇文章的目的:了解Python数据处理的基本步骤,计算美国各州的人口密度,数据来源:https://github.com/jakevdp/data-USstates/ ,共3张数据表格:state-population.csv,state-areas.csv,state-abbrevs.csv 数据说明: 人口数量表 state-population.csv 字段 state/...

qq_33361618的博客 6689

state-csv.zip

共3张数据表格:state-population.csv,state-areas.csv,state-abbrevs.csv 人口数量表 state-population.csv 州面积表 state-areas.csv 区域表 state-abbrevs.csv

(学习用)state_csv.zip

(学习用)state_csv.zip

数据科学简史

…

u013669912的博客 2281

华大HC32F460 TCP Client 实验

华大HC32F460 TCP Client 实验

ZhuoWuKeJi的博客 649

2021年机器学习、数据科学的门槛降低了吗?这是Kaggle的开发者调查

机器之心报道机器之心编辑部Kaggle 正式发布了 2021 年度报告,超过 2.5 万名开发者参与调查,但来自中国的 Kaggle 数据科学家应该并不多。这是 Kaggle 进行用户深度...

cainiao_python的博客 319

原理图分享二(信盈达CorexM4核心板STM32F407VGT6)

这是第二张板子的原理图分享,这也是当时大学里学习的一个板子。 原理图分享二(信盈达CorexM4核心板STM32F407VGT6)

让学习成为一种习惯 6900

ESP-CSI:使用ESP32进行CSI(信道状态信息)采集

使用esp32进行csi(信道状态信息)采集和处理

capsize的博客 8284

解锁数据科学应用的全新互动体验:四大交互式Python库全解析

除非你愿意编写一些HTML、JS和CSS,否则你所有的Streamlit应用程序都会呈现出相似的布局和外观,因为Streamlit的设计风格相对固定。一个交互式应用程序通常具备以下几个重要特征:用户输入(用户在此输入数据或命令)、反馈(用户输入所产生的结果)以及多媒体元素(如图片、视频和音频,以增强应用程序的互动性和吸引力)。Panel的功能集涵盖了低级别的基于回调的API和高级别的响应式API,这使得创建复杂的、多页面且高度交互的应用程序变得更加简单,同时也能快速设计探索型应用。

Xianxiancq的博客 1511

搞定ESD(五):静电放电问题分析与调试

前面深入分析了静电放电的干扰机理、耦合路径,从现在开始将进入下一个大家非常关注的环节:静电放电问题分析与调试,掌握静电放电问题的分析方法,快速锁定敏感设备或者耦合路径,可以达到事半功倍的效果。

记得诚 2795

机器学习和数据科学中常用的公开数据集(含计算机视觉最全数据集汇总)

数据集查找器Google Dataset Search:与Google Scholar的工作方式类似,Dataset Search 可以让你在任何托管的地方找到数据集,无论是出版商的网站...

深度学习与计算机视觉 6883

Supreme小程序自动化抢购终端——源码架构与执行流程全解析

本系统是一套基于开发的桌面端小程序自动化抢购终端。把只有开发者能跑的脚本,包装成普通用户也能操作的桌面工具。参数自动捕获 → 商品多关键词检索 → sku/尺码/库存映射 → 多商品任务队列 → 定时/立即抢购 → 订单创建 → 支付参数拉取 → 本地服务生成支付链接 → 手机微信扫码付款这套 Supreme 抢购终端,表面上看是一个"下单工具"。但从工程角度审视,它已经具备了一个小型桌面自动化系统GUI 层:CustomTkinter 现代化界面,线程安全业务层:多商品队列、定时调度、任务编排。

猫敷雪 208

【学习系列】SAP RAP 1:关于RAP的一些基本介绍

摘要:SAP RAP和CAP是两种不同的开发模型。RAP(RESTful ABAP)用于在S/4HANA等ABAP平台上构建现代业务应用,基于CDS+OData,适合ABAP开发者扩展核心业务。CAP(云应用编程模型)是BTP上的云原生框架,支持Node.js/Java,适合构建跨系统集成应用。RAP优势在于与S/4HANA深度集成,CAP则更灵活,支持多云环境。选择依据主要取决于开发平台(S/4HANA或BTP)、技术栈(ABAP或Node.js/Java)及应用场景(核心扩展或云原生开发)。

DeveloperMrMeng的博客 1168

数据科学和临床数据科学的发展​​​​​​​

数据科学作为一门跨学科的领域,融合了统计学、计算机科学和领域知识,致力于从数据中提取有价值的信息。数据科学的发展可以追溯到20世纪中期,当时计算机科学和统计学逐渐兴起,为数据分析提供了技术基础。同时,随着数据科学在临床数据分析和挖掘中的应用增多,临床数据科学成为一门跨学科的学科,结合临床医学、统计学和计算机技术。

MD Code 1384

2025华为OD机试真题+全流程解析+备考攻略+面试技巧+机考经验分享+Java/python/JS/C++/C语言实现

本专栏包含华为 OD 机试最新的 A卷+B卷+C卷+D卷+E卷题库,为全网最全、最新题库,500+真题。每一篇文章都包含了题目描述、解题思路以及实现代码。同时免费提供最新的在线OJ 刷题系统。已有上百名小伙伴通过刷真题题库通过了华为od机考,拒绝一切形式的代考,替考行为!!!以下是本专栏详细内容介绍:本专栏提供在线OJ刷题系统:OJ题库OJ系统注册&使用教程:OJ使用教程其他专栏以及答疑介绍:50+ 高频面试手撕真题,已有上百位小伙伴高频认证。1:机试没过,半年的冷冻期。2:已经订阅过我专栏的同学,推荐新人

MISAYAONE的博客 2226

2025数据分析入门:新手必知的免费工具与实用技巧

在2025年,数据已经成为了当今世界最宝贵的资源之一,数据分析能力也成为了职场和学习中的核心竞争力。无论是互联网、金融、医疗、教育还是制造业,数据分析都在发挥着越来越重要的作用。对于新手来说,掌握数据分析的基础知识和实用技巧,不仅可以帮助你更好地理解数据背后的规律,还能让你在学习和工作中占据优势。

欢迎来到智能安全前线!这里是AI与信息安全交汇之地。我们以代码为武器,深入大模型攻防实战,破解系统漏洞。追踪OpenAI、Meta前沿动态,用红蓝对抗思维,锻造智能时代的坚盾与利矛。 1552

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

上一篇: 机器学习-数据科学库 11 泰坦尼克号生还情况案例
下一篇: 机器学习-数据科学库 13 政治献金数据案例
eddiechen10081
博客等级 码龄11年 1粉丝 24原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值