美国各州人口密度数据处理与统计 请根据提供的三份数据集完成对美国各州的人口密度统计，主要步骤及要求如下:(1)读取数据集state-abbrevs.csv,state-areas.csv,state-population.csv; (2)根据各数据集所共有的键合并数据; (3)检测并处理合并后教握集由的交Xh34101 (4)筛选出year等于2012年，ags等于total的数据; (5)提取面积数据和人口数据，计算各州人口密度并排序展示;

好的，我可以为您解答这个问题。

首先，我们需要导入需要使用的库，如下所示：

import pandas as pd

然后，我们可以使用pandas库中的read_csv函数来读取三个数据集，并将它们存储在不同的DataFrame对象中，如下所示：

# 读取数据集
abbrevs = pd.read_csv('state-abbrevs.csv')
areas = pd.read_csv('state-areas.csv')
pop = pd.read_csv('state-population.csv')

# 查看数据集
print(abbrevs.head())
print(areas.head())
print(pop.head())

接下来，我们需要根据各数据集所共有的键来合并数据集。在这个例子中，我们可以使用pandas库中的merge函数来合并abbrevs、areas和pop数据集，并将它们存储在新的DataFrame对象中，如下所示：

# 合并数据集
merged = pd.merge(pop, abbrevs, how='outer', left_on='state/region', right_on='abbreviation')
merged = merged.drop('abbreviation', 1)
merged = pd.merge(merged, areas, how='outer', on='state')
print(merged.head())

在合并数据集之后，我们需要检测并处理合并后数据集中的缺失值。在本例中，我们可以使用isnull()函数来检测缺失值，并使用fillna()函数来填充缺失值，如下所示：

# 检测缺失值
print(merged.isnull().any())

# 填充缺失值
merged = merged.fillna(method='ffill')
print(merged.isnull().any())

接下来，我们需要筛选出year等于2012年，ags等于total的数据。在本例中，我们可以使用DataFrame对象的查询功能来实现，如下所示：

# 筛选数据
merged.query("year == 2012 & ages == 'total'")

最后，我们需要提取面积数据和人口数据，计算各州人口密度并排序展示。在本例中，我们可以使用DataFrame对象的apply()函数来计算人口密度，并使用sort_values()函数来排序展示，如下所示：

# 计算人口密度
merged['density'] = merged['population'] / merged['area (sq. mi)']
merged = merged.sort_values(by='density', ascending=False)

# 展示结果
print(merged[['state', 'density']].head())

以上就是完成美国各州人口密度数据处理与统计的主要步骤及要求。