12、数据聚合、分组与透视表的深入解析

数据聚合、分组与透视表的深入解析

在数据科学领域，对数据进行高效的聚合、分组以及使用透视表是非常重要的操作。这些操作能够帮助我们从海量数据中提取有价值的信息，从而更好地理解数据的特征和规律。下面将详细介绍这些操作的原理、方法和应用。

1. 美国各州人口密度计算

1.1 数据筛选

首先，我们从数据中筛选出 2010 年且年龄为“total”的数据：

data2010 = final.query("year == 2010 & ages == 'total'") 
data2010.head() 

1.2 计算人口密度

接着，我们以州为索引重新索引数据，并计算人口密度：

data2010.set_index('state', inplace=True) 
density = data2010['population'] / data2010['area (sq. mi)'] 

1.3 排序并查看结果

最后，我们对人口密度进行排序，并查看排名靠前和靠后的地区：

density.sort_values(ascending=False, inplace=True) 
print("人口密度最高的地区：")
density.head() 
print("人口密度最低的地区：")
density.tail()