datewhale_pandas_task11综合练习一

【任务一】企业收入的多样性

其中 p(xi) 是企业该年某产业收入额占该年所有产业总收入的比重。在company.csv中存有需要计算的企业和年份，在company_data.csv中存有企业、各类收入额和收入年份的信息。现请利用后一张表中的数据，在前一张表中增加一列表示该公司该年份的收入熵指标 I 。

【任务二】组队学习信息表的变换

【题目描述】请把组队学习的队伍信息表变换为如下形态，其中“是否队长”一列取1表示队长，否则为0

df = pd.read_excel('data/task11/组队信息汇总表.xlsx')
df.head()

【任务三】美国大选投票情况

【题目描述】两张数据表中分别给出了美国各县（county）的人口数以及大选的投票情况，请解决以下问题：

• 有多少县满足总投票数超过县人口数的一半

total_votes_df = candidate_df.groupby(['state','county'])['total_votes'].sum().to_frame().reset_index()
total_votes_df['US County'] = '.'+total_votes_df['county']+', '+total_votes_df['state']
res = total_votes_df.merge(population_df, on='US County', how='left')
res[res['total_votes']/res['Population']>0.5].shape

答：1434个县满足总投票数超过县人口数的一半

• 把州（state）作为行索引，把投票候选人作为列名，列名的顺序按照候选人在全美的总票数由高到低排序，行列对应的元素为该候选人在该州获得的总票数

  # 此处是一个样例，实际的州或人名用原表的英语代替
              拜登   川普
  威斯康星州   2      1
  德克萨斯州   3      4
  

  temp = candidate_df.groupby('candidate')['total_votes'].sum().sort_values(ascending=False).index
  res = candidate_df.pivot_table(index='state',
                            columns='candidate',
                           values='total_votes')
  res = res[list(temp)]
  

  
  

• 每一个州下设若干县，定义拜登在该县的得票率减去川普在该县的得票率为该县的BT指标，若某个州所有县BT指标的中位数大于0，则称该州为Biden State，请找出所有的Biden State

candidate_df['total_votes_sum'] = candidate_df.groupby(['state','county'])['total_votes'].transform('sum')
candidate_df['votes_rate'] = candidate_df['total_votes']/candidate_df['total_votes_sum']
temp = candidate_df.pivot(index=['state','county'],columns='candidate',values='votes_rate')[['Joe Biden','Donald Trump']]
temp['BT'] = temp['Joe Biden'] - temp['Donald Trump']
def func(x):
   if x.median() > 0:
       return 'Biden State'
   else:
       return 'Others'
       
temp['result'] = temp.groupby('state')['BT'].transform(func)
ha = temp[temp['result']=='Biden State']
num_of_biden_state = set(list(ha.index.get_level_values(0)))
print(list(num_of_biden_state))
print(len(num_of_biden_state))