1.  首先导入所需数据，了解每个csv文件存储了哪些数据。
 2.  将人口数据pop 和 各州简称数据abb 进行合并：

        如果想保证数据的完整性，需要使用外连接。

3. 将合并之后重复的一列abbreviation删除： 

4. 查看讯在缺失数据的列：（说明abb_pop数据中有缺失值）

5. 找到哪些state/region 使得state的值为NaN，进行去重操作：

         将state中空值对应的简称找到，然后对state/region进行去重操作。

        思路：将state这一列中的空值所对应的行数据找到，然后在这些行数据中找到对应的简称的值

 6.  为找到的这些state/region 的state项补上正确的值，从而去除掉state中这一列的所有空值：

        fillna 是给全体空值进行填充，但是这里需要给固定的两个'PR'和'USA'所对应的state进行填充，可以使用元素赋值的方法。

         检查是否赋值成功：    得到剩下'PR'对应的state为空。，说明‘USA’赋值完成。

         同理，对‘PR’对应的state进行赋值：

 7. 合并各州面积数据，并找出area中哪些行有缺失数据：

 8. 去除一些含有缺失数据的行：

9. 找出2010年全名人口数据： 

 10.  计算各洲的人口密度= 总人口/面积，并将密度这一列汇总到原表中。 

11. 排序，并找出人口密度最高的州：   

 

         先排序（sort_value），然后再找出最大的行数据（ iloc[0] ） 对应的state。