数据分析入门之2012美国大选政治献金项目

最新推荐文章于 2022-06-04 00:47:59 发布
最新推荐文章于 2022-06-04 00:47:59 发布
阅读量2.4k 收藏 22
点赞数 6
分类专栏： 数据分析入门
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ayouleyang/article/details/104262459
版权

操作环境： window10，Python3.7，Jupyter notebook
数据资料： https://www.lanzous.com/i98lfra

文章目录

1、数据载入与总览

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
%matplotlib inline

1.1、数据加载

contb1 = pd.read_csv('./contb_01.csv')
contb2 = pd.read_csv('./contb_02.csv')
contb3 = pd.read_csv('./contb_03.csv')

1.2、数据合并

contb = pd.concat([contb1, contb2, contb3], axis=0)
contb.head() #查看前五行
cand_nmcontbr_nmcontbr_stcontbr_employercontbr_occupationcontb_receipt_amtcontb_receipt_dt
0Bachmann, MichelleHARVEY, WILLIAMALRETIREDRETIRED250.020-JUN-11
1Bachmann, MichelleHARVEY, WILLIAMALRETIREDRETIRED50.023-JUN-11
2Bachmann, MichelleSMITH, LANIERALINFORMATION REQUESTEDINFORMATION REQUESTED250.005-JUL-11
3Bachmann, MichelleBLEVINS, DARONDAARNONERETIRED250.001-AUG-11
4Bachmann, MichelleWARDENBURG, HAROLDARNONERETIRED300.020-JUN-11

字段解释：

cmte_id :候选人ID
cand_nm ：候选人姓名
contbr_nm ： 捐赠人姓名
contbr_st ：捐赠人所在州
contbr_employer ： 捐赠人所在公司
contbr_occupation ： 捐赠人职业
contb_receipt_amt ：捐赠数额（美元）
contb_receipt_dt ： 捐款的日期

1.3、数据预览和基本统计分析

1.3.1、查看数据形状

contb.shape

(1001733, 7)
  • 一共有1001733行，7列数据

1.3.2、查看是否有空值

contb.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1001733 entries, 0 to 1730
Data columns (total 7 columns):
cand_nm              1001733 non-null object
contbr_nm            1001733 non-null object
contbr_st            1001729 non-null object
contbr_employer      988004 non-null object
contbr_occupation    993303 non-null object
contb_receipt_amt    1001733 non-null float64
contb_receipt_dt     1001733 non-null object
dtypes: float64(1), object(6)
memory usage: 61.1+ MB
  • 从上面的结果可以看出：
    • 一共有1001733行数据，其中contbr_st，contbr_employe，contbr_occupation 有空值。

1.3.3、查看描述性的信息

contb.describe()
contb_receipt_amt
count1.001733e+06
mean2.982358e+02
std3.749663e+03
min-3.080000e+04
25%3.500000e+01
50%1.000000e+02
75%2.500000e+02
max2.014491e+06

2、数据清洗

2.1、缺失值处理

2.1.1、查看带有缺失值的列

cond = contb['contbr_employer'].isnull() #判断是否有缺失值，返回True和False
contb[cond] #筛选满足的数据
cand_nmcontbr_nmcontbr_stcontbr_employercontbr_occupationcontb_receipt_amtcontb_receipt_dt
41Bachmann, MichelleMINNIS, RITACANaNNaN-1500.020-JUN-11
264Bachmann, MichelleBISHOP, GERARDNYNaNNaN-1700.028-JUN-11
752Romney, MittKNIGHT, RENAALNaNNaN-60.007-MAR-12
897Romney, MittTHE STEWART FIRM L.L.C.ALNaNNaN250.023-MAR-12
1033Romney, MittSELLERS, LEEALNaNNaN-120.020-JAN-12
........................
1715Perry, RickTEXAS ENERGY L.L.C.WYNaNNaN250.030-SEP-11
1717Perry, RickHARDER, ROBERTWYNaNRETIRED100.012-NOV-11
1720Perry, RickHARDER, ROBERTWYNaNRETIRED100.001-OCT-11
1722Perry, RickHARDER, ROBERTWYNaNRETIRED100.029-OCT-11
1723Perry, RickHARDER, ROBERTWYNaNRETIRED100.030-NOV-11

2.1.2、空值指定填充

  • 用某个值去填充上面的空值
  • 上面contbr_st，contbr_employe，contbr_occupation 的一些用户没有提供信息，这是使用NOT PROVIDE 进行填充。
# 填充空值，NOT PROVIDE没有提供
contb['contbr_employer'].fillna('NOT PROVIDE', inplace=True) #用NOT PROVIDE填充空值
#填充contbr_occupation为空的值为NOT PROVIDE
contb['contbr_occupation'].fillna('NOT PROVIDE', inplace=True)
contb['contbr_st'].fillna('NOT PROVIDE', inplace=True)
contb.info() # 查看填充后的结果

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1001733 entries, 0 to 1730
Data columns (total 7 columns):
cand_nm              1001733 non-null object
contbr_nm            1001733 non-null object
contbr_st            1001733 non-null object
contbr_employer      1001733 non-null object
contbr_occupation    1001733 non-null object
contb_receipt_amt    1001733 non-null float64
contb_receipt_dt     1001733 non-null object
dtypes: float64(1), object(6)
memory usage: 61.1+ MB
  • 现在所有带有空值的数据被 NOT PROVIDE 填充后，不再有空值。

2.2、数据转换

利用字典映射进行转换：党派分析

2.2.1、候选人去重

contb['cand_nm'].unique()

array(['Bachmann, Michelle', 'Romney, Mitt', 'Obama, Barack',
       "Roemer, Charles E. 'Buddy' III", 'Pawlenty, Timothy',
       'Johnson, Gary Earl', 'Paul, Ron', 'Santorum, Rick',
       'Cain, Herman', 'Gingrich, Newt', 'McCotter, Thaddeus G',
       'Huntsman, Jon', 'Perry, Rick'], dtype=object)
  • 去重后发现一共有13名候选人参与竞选

2.2.2、添加党派

  • 通过搜索引擎等途径，获取每个总统候选人的所属党派，建立字典parties,候选人名字作为键，所属党派作为对应的值

建立字典：

parties = {
  'Bachmann, Michelle': 'Republican',
  'Romney, Mitt': 'Republican',
  'Obama, Barack': 'Democrat',
  "Roemer, Charles E. 'Buddy' III": 'Republican',
  'Pawlenty, Timothy': 'Republican',
  'Johnson, Gary Earl': 'Republican',
  'Paul, Ron': 'Republican',
  'Santorum, Rick': 'Republican',
  'Cain, Herman': 'Republican',
  'Gingrich, Newt': 'Republican',
  'McCotter, Thaddeus G': 'Republican',
  'Huntsman, Jon': 'Republican',
  'Perry, Rick': 'Republican'           
 }

数据映射：

%%time
contb['party'] = contb['cand_nm'].map(parties)

Wall time: 129 ms
  • 新加党派，使用map字典映射，100万数据，增加一列耗时129ms

查看前5行：

contb.head()
cand_nmcontbr_nmcontbr_stcontbr_employercontbr_occupationcontb_receipt_amtcontb_receipt_dtparty
0Bachmann, MichelleHARVEY, WILLIAMALRETIREDRETIRED250.020-JUN-11Republican
1Bachmann, MichelleHARVEY, WILLIAMALRETIREDRETIRED50.023-JUN-11Republican
2Bachmann, MichelleSMITH, LANIERALINFORMATION REQUESTEDINFORMATION REQUESTED250.005-JUL-11Republican
3Bachmann, MichelleBLEVINS, DARONDAARNONERETIRED250.001-AUG-11Republican
4Bachmann, MichelleWARDENBURG, HAROLDARNONERETIRED300.020-JUN-11Republican

2.2.3、统计两个党派支持的次数

contb['party'].value_counts()

Democrat      593747
Republican    407986
Name: party, dtype: int64

2.2.4、查询每个政党的捐献额

contb.groupby('party')['contb_receipt_amt'].sum()

party
Democrat      1.335028e+08
Republican    1.652498e+08
Name: contb_receipt_amt, dtype: float64

2.2.5、按照职业汇总对赞助总金额进行排序

grouped_occupation = contb.groupby(['contbr_occupation'])['contb_receipt_amt'].sum()
grouped_occupation.sort_values(ascending=False) #ascending=False降序

contbr_occupation
RETIRED                                   48176647.00
ATTORNEY                                  18470473.30
HOMEMAKER                                 17484807.65
INFORMATION REQUESTED PER BEST EFFORTS    15859514.55
INFORMATION REQUESTED                      8742357.59
                                             ...     
PRES OF GAS & ELECTRIC                       -2500.00
AVIATION ATTORNEY                            -2500.00
DREDGING                                     -2500.00
METAL SMITH                                  -4225.00
VENTURE PHILANTHROPIST                       -5000.00
Name: contb_receipt_amt, Length: 45074, dtype: float64

2.2.6、职业类型去重

  • 整理同种类型职业
  • 按照职位进行汇总，计算赞助总金额，发现不少职业都是相同的，只不过是表达形式不同而已，如C.E.0与CEO，都是一个职业
  • 利用函数进行转换：职业与雇主信息分析
  • 建立一个职业对应的字典，把相同职业的不同表达映射为对应的职业，比如C.E.O映射为CEO
#整理一部分相同的职业，如果全部整理需要花费很长时间
occupation = {'INFORMATION REQUESTED PER BEST EFFORTS':'NOT PROVIDE',
             'INFORMATION REQUESTED':'NOT PROVIDE',
              'C.E.O.':'CEO',
              'LAWYER':'ATTORNEY',
              'SELF':'SELF-EMPLOYED',
              'SELF EMPLOYED ':'SELF-EMPLOYED'}
f = lambda x : occupation.get(x, x)
contb['contbr_occupation'] = contb['contbr_occupation'].map(f)
# 统计同种职业捐献的总额，查看前5个
contb.groupby(['contbr_employer'])['contb_receipt_amt'].sum().sort_values(ascending = False)[:10

contbr_employer
RETIRED           41374333.67
SELF-EMPLOYED     37483895.22
NOT PROVIDE       31281997.76
HOMEMAKER         14738524.86
NOT EMPLOYED       8636809.43
NONE               3809582.99
STUDENT             957971.85
REQUESTED           894009.54
MORGAN STANLEY      386129.40
UNEMPLOYED          377088.31
Name: contb_receipt_amt, dtype: float64

2.3、数据筛选

2.3.1、赞助金额筛选

  • 去掉金额小于 “0” 的异常数据
# 捐赠金额大于0
contb_over = contb[contb['contb_receipt_amt'] > 0]
contb_over.head()
cand_nmcontbr_nmcontbr_stcontbr_employercontbr_occupationcontb_receipt_amtcontb_receipt_dtparty
0Bachmann, MichelleHARVEY, WILLIAMALRETIREDRETIRED250.020-JUN-11Republican
1Bachmann, MichelleHARVEY, WILLIAMALRETIREDRETIRED50.023-JUN-11Republican
2Bachmann, MichelleSMITH, LANIERALNOT PROVIDENOT PROVIDE250.005-JUL-11Republican
3Bachmann, MichelleBLEVINS, DARONDAARNONERETIRED250.001-AUG-11Republican
4Bachmann, MichelleWARDENBURG, HAROLDARNONERETIRED300.020-JUN-11Republican
#去重前
contb.shape  #(1001733, 8)

#去重后
contb_over.shape  #(991477, 8)

2.3.2、查看各候选人获得的赞助总金额

cand_nm_amt = contb_over.groupby(['cand_nm'])['contb_receipt_amt'].sum().sort_values(ascending = False)
cand_nm_amt

cand_nm
Obama, Barack                     1.358776e+08
Romney, Mitt                      8.833591e+07
Paul, Ron                         2.100962e+07
Perry, Rick                       2.030675e+07
Gingrich, Newt                    1.283277e+07
Santorum, Rick                    1.104316e+07
Cain, Herman                      7.101082e+06
Pawlenty, Timothy                 6.004819e+06
Huntsman, Jon                     3.330373e+06
Bachmann, Michelle                2.711439e+06
Johnson, Gary Earl                5.669616e+05
Roemer, Charles E. 'Buddy' III    3.730099e+05
McCotter, Thaddeus G              3.903000e+04
Name: contb_receipt_amt, dtype: float64

2.3.3、数据可视化

plt.figure(figsize=(8, 8))
cand_nm_amt.plot(kind='pie') #

在这里插入图片描述

  • 从上面的数据可以看出，支持Obama, Barack 和 Romney, Mitt 的人是最多的。

2.3.4、选取选举人为Obama、Romney的子集数据

方法一：

cond1 = contb_over['cand_nm'] == 'Obama, Barack'
cond2 = contb_over['cand_nm'] == 'Romney, Mitt'
# 这是一个与运算
cond = cond1|cond2
cond.sum() #694283次
contb_vs = contb_over[cond]
contb_vs

方法二：

contb_over.query("cand_nm == 'Obama, Barack' or cand_nm == 'Romney, Mitt'")

方法三：

cond = contb_over['cand_nm'].isin(['Obama, Barack', 'Romney, Mitt'])
contb_over[cond]

结果：

cand_nmcontbr_nmcontbr_stcontbr_employercontbr_occupationcontb_receipt_amtcontb_receipt_dtparty
411Romney, MittELDERBAUM, WILLIAMAAUS GOVERNMENTFOREIGN SERVICE OFFICER25.001-FEB-12Republican
412Romney, MittELDERBAUM, WILLIAMAAUS GOVERNMENTFOREIGN SERVICE OFFICER110.001-FEB-12Republican
413Romney, MittCARLSEN, RICHARDAEDEFENSE INTELLIGENCE AGENCYINTELLIGENCE ANALYST250.013-APR-12Republican
414Romney, MittDELUCA, PIERREAECISCOENGINEER30.021-AUG-11Republican
415Romney, MittSARGENT, MICHAELAERAYTHEON TECHNICAL SERVICES CORPCOMPUTER SYSTEMS ENGINEER100.007-MAR-12Republican
...........................
201381Obama, BarackMOUNTS, ROBERTZZHQ USFK (FKDC-SA)GS-15 INTERNATIONAL RELATIONS OFFICER25.026-FEB-12Democrat
201382Obama, BarackTAITANO, TYRONEZZNOT EMPLOYEDRETIRED250.020-JAN-12Democrat
201383Obama, BarackTUCKER, PAMELAZZDODEAEDUCATOR3.020-JAN-12Democrat
201384Obama, BarackMOUNTS, ROBERTZZHQ USFK (FKDC-SA)GS-15 INTERNATIONAL RELATIONS OFFICER25.026-APR-12Democrat
201385Obama, BarackNEAL, AMBERZZTHE DEPARTMENT OF DEFENSE EDUCATION ACTEACHER135.004-SEP-11Democrat

2.4、面元化数据

接下来我们对该数据做另一种非常实用的分析，利用cut函数根据出资额大小将数据离散化到多个面元中

contb_over['contb_receipt_amt'].sort_values()

323688          0.01
327537          0.01
327468          0.01
326458          0.01
317091          0.01
             ...    
319478     526246.17
344419    1511192.17
344539    1679114.65
326651    1944042.43
325136    2014490.51
Name: contb_receipt_amt, Length: 991477, dtype: float64
  • 他们的金额出现在 （0.01，2014490.51）之间，现在将它们进行范围分组。
bins = [0, 1, 10, 100, 1000, 10000, 100000, 1000000, 10000000]
labels = pd.cut(contb_over['contb_receipt_amt'], bins)
labels

0         (100, 1000]
1           (10, 100]
2         (100, 1000]
3         (100, 1000]
4         (100, 1000]
            ...      
1726    (1000, 10000]
1727    (1000, 10000]
1728      (100, 1000]
1729      (100, 1000]
1730    (1000, 10000]
Name: contb_receipt_amt, Length: 991477, dtype: category
Categories (8, interval[int64]): [(0, 1] < (1, 10] < (10, 100] < (100, 1000] < (1000, 10000] < (10000, 100000] < (100000, 1000000] < (1000000, 10000000]]


3、数据聚合与分组运算

contb_over.columns

Index(['cand_nm', 'contbr_nm', 'contbr_st', 'contbr_employer',
       'contbr_occupation', 'contb_receipt_amt', 'contb_receipt_dt', 'party'],
      dtype='object')

3.1、透视表(pivot_table)分析党派和职业

  • 按照党派，职业对赞助金额进行汇总，类似Excel表中的透视表功能，聚合函数为sum
ret = contb_over.pivot_table('contb_receipt_amt', index='contbr_occupation', columns='party', aggfunc='sum', fill_value=0)
ret
partyDemocratRepublican
contbr_occupation
MIXED-MEDIA ARTIST / STORYTELLER100.00.0
AREA VICE PRESIDENT250.00.0
RESEARCH ASSOCIATE100.00.0
TEACHER500.00.0
THERAPIST3900.00.0
.........
ZOOKEEPER35.00.0
ZOOLOGIST400.00.0
ZOOLOGY EDUCATION25.00.0
\NONE\0.0250.0
~0.075.0

3.1.1、求每个职业为两个党派献金之和

ret['total'] = ret['Democrat'] + ret['Republican']
ret.head()
partyDemocratRepublicantotal
contbr_occupation
MIXED-MEDIA ARTIST / STORYTELLER100.00.0100.0
AREA VICE PRESIDENT250.00.0250.0
RESEARCH ASSOCIATE100.00.0100.0
TEACHER500.00.0500.0
THERAPIST3900.00.03900.0

3.1.2、过滤掉总和小于200W的数据

cond = ret['total'] < 2000000 #条件
index = ret[cond].index # 索引
ret_big = ret.drop(labels=index) # 移除
ret_big
partyDemocratRepublicantotal
contbr_occupation
ATTORNEY14302461.847.868419e+062.217088e+07
CEO2074974.794.211041e+066.286015e+06
CONSULTANT2459912.712.544725e+065.004638e+06
ENGINEER951525.551.818374e+062.769899e+06
EXECUTIVE1355161.054.138850e+065.494011e+06
HOMEMAKER4248875.801.363428e+071.788315e+07
INVESTOR884133.002.431769e+063.315902e+06
MANAGER762883.221.444532e+062.207416e+06
NOT PROVIDE13725187.322.097161e+073.469680e+07
OWNER1001567.362.408287e+063.409854e+06
PHYSICIAN3735124.943.594320e+067.329445e+06
PRESIDENT1878509.954.720924e+066.599434e+06
PROFESSOR2165071.082.967027e+052.461774e+06
REAL ESTATE528902.091.625902e+062.154804e+06
RETIRED25305316.382.356124e+074.886656e+07
SELF-EMPLOYED721108.401.961786e+062.682894e+06

3.1.3、数据可视化

# 绘制图形
ret_big.plot(kind='bar', figsize=(12, 6))

在这里插入图片描述

3.2、分组及运算和转换

  • 根据职业和雇主信息分组运算
grouped = contb_over.groupby('cand_nm')
grouped

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001D1D57CBE08>
  • 可以用 for 方法遍历出分组的结果

3.2.1、不同职业对他两人的支持度

  • 由于职业和雇主的处理非常相似，我们定义函数get_top_amounts()对两个字段进行分析处理
  • 首先统计各区间的赞助笔数，这里用到unstack(),stack()函数是堆叠，unstack()函数是不要堆叠，即把多层索引变为表格数据
def get_top_amounts(grouped, key, n):
    #先分组，grouped，然后继续再分
    return grouped.groupby(key)['contb_receipt_amt'].sum().sort_values(ascending=False)[:n]

grouped = contb_over.groupby('cand_nm')
grouped.apply(get_top_amounts, 'contbr_occupation', 7).unstack(level=0)
cand_nmObama, BarackRomney, Mitt
contbr_occupation
ATTORNEY14302461.845372424.02
CEONaN2324297.03
CONSULTANT2459912.71NaN
EXECUTIVENaN2300947.03
HOMEMAKER4248875.808147446.22
NOT PROVIDE13725187.3211638509.84
PHYSICIAN3735124.94NaN
PRESIDENTNaN2491244.89
PROFESSOR2165071.08NaN
RETIRED25305316.3811508473.59

结论：从数据可以看出，Obama更受精英群体（律师、医生、咨询顾问）的欢迎，Romney则得到更多企业家或企业高管的支持


3.2.2、不同公司对他两人的支持度

  • 同样，使用get_top_amounts()对雇主进行分析处理
def get_top_amounts(grouped, key, n):
    #先分组，grouped，然后继续再分
    return grouped.groupby(key)['contb_receipt_amt'].sum().sort_values(ascending=False)[:n]

grouped = contb_over.groupby('cand_nm')
grouped.apply(get_top_amounts, 'contbr_employer', 7)

cand_nm        contbr_employer
Obama, Barack  RETIRED            22694558.85
               SELF-EMPLOYED      18626807.16
               NOT PROVIDE        13883494.03
               NOT EMPLOYED        8586308.70
               HOMEMAKER           2605408.54
               STUDENT              318831.45
               VOLUNTEER            257104.00
Romney, Mitt   NOT PROVIDE        12321731.24
               RETIRED            11506225.71
               HOMEMAKER           8147196.22
               SELF-EMPLOYED       7414115.22
               STUDENT              496490.94
               CREDIT SUISSE        281150.00
               MORGAN STANLEY       267266.00
Name: contb_receipt_amt, dtype: float64

结论： Obama:微软，盛德国际律师事务所；Romney：瑞士瑞信银行，摩根斯坦利，高盛公司，巴克莱资本，H.I.G资本

3.3、统计各区间的赞助金额

3.3.1、查看区间金额

labels = pd.cut(contb_vs['contb_receipt_amt'], bins)
contb_vs.groupby(['cand_nm', labels]).size().unstack(level=0, fill_value=0)
cand_nmObama, BarackRomney, Mitt
contb_receipt_amt
(0, 1]49377
(1, 10]400703681
(10, 100]37228031853
(100, 1000]15399243357
(1000, 10000]2228426186
(10000, 100000]21
(100000, 1000000]30
(1000000, 10000000]40

3.3.2、绘制Obama和Romney各区间赞助的总金额

amt_vs = contb_vs.groupby(['cand_nm', labels]).sum().unstack(level=0, fill_value=0)
amt_vs.fillna(0, inplace=True)
amt_vs.plot(kind='bar', figsize=(12,6))

在这里插入图片描述

3.3.3、过滤掉大金额

# 过滤掉大金额
amt_vs[:-2].plot(kind='bar', figsize=(12,6))

在这里插入图片描述

3.3.4、百分比堆积图

算出每个区间两个候选人收到赞助总金额比：

amt_vs.div(amt_vs.sum(axis = 1), axis=0)[:-2]
contb_receipt_amt
cand_nmObama, BarackRomney, Mitt
contb_receipt_amt
(0, 1]0.8051820.194818
(1, 10]0.9187670.081233
(10, 100]0.9107690.089231
(100, 1000]0.7101770.289823
(1000, 10000]0.4473260.552674
(10000, 100000]0.8231200.176880

绘制百分比堆积图：

  • 参数 stacked=True
amt_vs.div(amt_vs.sum(axis = 1), axis=0)[:-2].plot(kind='bar', stacked=True, figsize=(12, 6))

在这里插入图片描述



4、时间处理

contb_vs.head()
cand_nmcontbr_nmcontbr_stcontbr_employercontbr_occupationcontb_receipt_amtcontb_receipt_dtparty
411Romney, MittELDERBAUM, WILLIAMAAUS GOVERNMENTFOREIGN SERVICE OFFICER25.001-FEB-12Republican
412Romney, MittELDERBAUM, WILLIAMAAUS GOVERNMENTFOREIGN SERVICE OFFICER110.001-FEB-12Republican
413Romney, MittCARLSEN, RICHARDAEDEFENSE INTELLIGENCE AGENCYINTELLIGENCE ANALYST250.013-APR-12Republican
414Romney, MittDELUCA, PIERREAECISCOENGINEER30.021-AUG-11Republican
415Romney, MittSARGENT, MICHAELAERAYTHEON TECHNICAL SERVICES CORPCOMPUTER SYSTEMS ENGINEER100.007-MAR-12Republican
  • 在上面的结果中，我们可以看出时间格式为 01-FEB-12 ，拥有英文符号，说明格式是字符串，不能直接用于运算。

4.1、查看数据类型

contb_vs.dtypes

cand_nm               object
contbr_nm             object
contbr_st             object
contbr_employer       object
contbr_occupation     object
contb_receipt_amt    float64
contb_receipt_dt      object
party                 object
dtype: object

4.2、str转datetime

contb_vs['contb_receipt_dt'] = pd.to_datetime(contb_vs['contb_receipt_dt'])
contb_vs.head()
cand_nmcontbr_nmcontbr_stcontbr_employercontbr_occupationcontb_receipt_amtcontb_receipt_dtparty
411Romney, MittELDERBAUM, WILLIAMAAUS GOVERNMENTFOREIGN SERVICE OFFICER25.02012-02-01Republican
412Romney, MittELDERBAUM, WILLIAMAAUS GOVERNMENTFOREIGN SERVICE OFFICER110.02012-02-01Republican
413Romney, MittCARLSEN, RICHARDAEDEFENSE INTELLIGENCE AGENCYINTELLIGENCE ANALYST250.02012-04-13Republican
414Romney, MittDELUCA, PIERREAECISCOENGINEER30.02011-08-21Republican
415Romney, MittSARGENT, MICHAELAERAYTHEON TECHNICAL SERVICES CORPCOMPUTER SYSTEMS ENGINEER100.02012-03-07Republican
  • 现在时间是 2012-02-01 的形式，格式为 datetime64

5、各州支持率

5.1、数据分组

根据州和候选人进行分组：

state_vs = contb_vs.groupby(['cand_nm','contbr_st'])['contb_receipt_amt'].sum().unstack(level=0)
state_vs
cand_nmObama, BarackRomney, Mitt
contbr_st
AA56405.00135.00
AB2048.00NaN
AE42973.755680.00
AK281840.1586204.24
AL543123.48527303.51
.........
WI1130155.46270316.32
WV169154.47126725.12
WY194046.74252595.84
XXNaN400250.00
ZZ5963.00NaN

数据可视化：

state_vs.fillna(0, inplace=True)
state_vs.plot(kind='bar', figsize=(16, 6))

在这里插入图片描述

5.2、候选人各州金额占比

# 所占的比例
state_vs_rate = state_vs.div(state_vs.sum(axis=1), axis=0)
state_vs_rate
cand_nmObama, BarackRomney, Mitt
contbr_st
AA0.9976120.002388
AB1.0000000.000000
AE0.8832570.116743
AK0.7657780.234222
AL0.5073900.492610
.........
WI0.8069820.193018
WV0.5717000.428300
WY0.4344560.565544
XX0.0000001.000000
ZZ1.0000000.000000

5.3、删除不存在的州

state_vs_rate.drop(labels=['AA', 'AB', 'AE', 'NOT PROVIDE'], inplace=True)

5.4、绘制地图

5.4.1、导入相关库

from mpl_toolkits.basemap import Basemap
from matplotlib.patches import Polygon #导入多边形包
from matplotlib.colors import rgb2hex #rgb2hex表示16进制的颜色

5.4.2、同一绘制不同颜色方法

# 着色
cmap = plt.cm.Reds #blues,0cean....
for i in range(10):
    print ((i+1) / 10)
    plt.plot(np.arange(10) + i, c=cmap((i+1) / 10))

输出结果：

0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0

在这里插入图片描述

5.4.3、查看Obama各州均值

obama = state_vs_rate['Obama, Barack']
obama

contbr_st
AK    0.765778
AL    0.507390
AP    0.957329
AR    0.772902
AS    1.000000
        ...   
WI    0.806982
WV    0.571700
WY    0.434456
XX    0.000000
ZZ    1.000000
Name: Obama, Barack, Length: 64, dtype: float64

5.4.3、绘制美国地图

'''
关键词	描述
llcrnrlon	所需地图域的左下角经度（度）。
llcrnrlat	所需地图域的左下角纬度（度）。
urcrnrlon	所需地图域右上角的经度（度）。
urcrnrlat	所需地图域右上角的纬度（度）。
'''
plt.figure(figsize=(12, 9))
m = Basemap(llcrnrlon = -122,
           llcrnrlat = 23.41,
           urcrnrlon = -64,
           urcrnrlat = 45,
           projection = 'lcc',
           lat_1 = 30,
           lon_0 = -100
            )

m.drawcoastlines(linewidth=1.5) #海岸线
m.drawcountries(linewidth=1.5) # 国家
# m.drawstates() #直接画出州

# 读取美国地图的现状，m中就有了各州的形状，数据
m.readshapefile('./USA/gadm36_USA_1', name='states')

colors = []
states = []

cmap = plt.cm.Reds
#州全称对应缩写缩写
abbr = {'Commonwealth of Kentucky':'KY','Commonwealth of Massachusetts':'MA','Commonwealth of Pennsylvania':'PA',
        'State of Rhode Island and Providence Plantations':'RI'}

for shapeinfo in m.states_info:
    a = shapeinfo['VARNAME_1'] #结果结构AL|Ala，AK|Alaska
#     州的缩写
    s = a.split('|')[0] # 结果AL，AK表示州的缩写
    try:
        rate = obama[s] # 取出obama的州对应的值
        colors.append(cmap(rate)) #转化颜色
        states.append(s) #州的简称
    except:
        colors.append(cmap(obama[abbr[s]]))#有些州没有检查，需要进行替换
        states.append(s)
# 州填充颜色
# seg州中的一部分区域，多边形
ax = plt.gca()
for n,seg in enumerate(m.states):
    c = rgb2hex(colors[n])
    poly = Polygon(seg,color = c )
    ax.add_patch(poly)
plt.show()

在这里插入图片描述

阿优乐扬
关注
专栏目录
数据分析项目3-美国大选献金分析
yxy618的博客
07-18 304
数据分析项目-美国大选献金分析
2012美国大选献金项目数据分析
ray3245的博客
04-26 1085
加粗样式@TOC 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将...
usa_election.txt2012美国大选政治献金数据
05-20
2012美国大选政治献金数据
2012美国大选献金项目数据分析（有史以来最全面）
AI World
11-12 8060
目录数据载入与总览新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 数据载入与总览 你好！ 这是你第一次使用 M...
【Python】美国大选献金项目数据分析（concat(),lambda(),groupby(),pivot_table()）
○( ＾皿＾)っHiahiahia…的博客
05-20 1538
任务要求 读入美国总统选举政治献金数据文件，合并三个文件的数据 查看数据基本信息 缺失值处理，（填充 ‘NOT PROVIDE’） 通过给定字典，添加候选人对应党派信息 parties = { ‘Bachmann, Michelle’: ‘Republican’, ‘Romney, Mitt’: ‘Republican’, ‘Obama, Barack’: ‘Democrat’, “Roemer, Charles E. ‘Buddy’ III”: ‘Republican’, ‘Pawlent
contb_03.csv美国大选政治献金数据分析
05-20
千锋教育美国大选政治献金数据分析
数据分析案例--2012美国总统竞选赞助数据分析
Michaelyu的博客
03-12 1603
美国总统竞选赞助数据分析 本文来自阿里云天池实验室，案例原地址 自学数据分析的小王同学借鉴一下，自己写一遍，分析一遍，自己做的代码和结果如下 1.导入相关的python数据分析的库 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline 2.数据载入和总览 2.1由于单个数...
美国大选献金项目数据分析-附带测试数据源.zip
最新发布
03-26
加载数据 查看数据的基本信息 ...查看具体每天各个党派收到的政治献金总数contb_receipt_amt 将表中日期格式转换为'yyyy-mm-dd'。 查看老兵(捐献者职业)DISABLED VETERAN主要支持谁 源于大数据分析课
contb_02.csv美国大选政治献金
05-20
千锋教育数据分析
项目3：美国大选献金目数据分析
weixin_38199399的博客
06-04 234
python项目：美国大选献金目数据分析
python数据分析-献金数据contb-1.csv,contb-2.csv,contb-3.csv
01-20
python数据分析--献金数据 适合python数据分析入门练习所用 包含三个：contb_1.csv,contb_2.csv,contb_3.csv
数据分析项目-大选献金数据分析
Colorfully_lu的博客
11-28 1090
目录 需求： 1.加载数据，查看数据的基本信息 2.指定数据截取，将如下字段的数据进行提取，其他数据舍弃 3.对新数据进行总览df.info(),查看是否存在缺失数据 4.用统计学指标快速描述数值型属性的概要。df.describe() 5.空值处理。可能因为忘记填写或者保密等等原因，相关字段出现了空值，将其填充为NOT PROVIDE 6.异常值处理。将捐款金额<=0的数据删除 7.新建一列为各个候选人所在党派party 8.查看party这一列中有哪些不同的元素 9.统计p..
数据分析---2012美国大选献金项目数据分析
S1406793的博客
03-16 558
需求： 1. 加载数据 df = pd.read_csv('./data/usa_election.txt') 2. 对新数据进行总览，查看是否存在缺失数据： 方法一：isnull、notnull、any、all 方法二：df.info() df.info() 3. 用统计学指标快速描述数值型属性的概要： df.describe() #统计学指标：数值型属性 4. 空值处理。可能因为忘记填写或者保密等原因，相关字段出现了空值，将其填充为NOT PROVIDE df.
pandas之美国2012年总统候选人政治献金数据分析
weixin_30670965的博客
02-20 315
转载于:https://www.cnblogs.com/tjp40922/p/10405555.html
美国2012年总统候选人政治献金数据分析
weixin_30436101的博客
05-14 680
导入包 #数据处理工具 import numpy as np import pandas as pd from pandas import Series,DataFrame 对月份及所在政党进行定义 months = {'JAN' : 1, 'FEB' : 2, 'MAR' : 3, 'APR' : 4, 'MAY' : 5, 'JUN' : 6, ...
美国2012政治献金数据分析（附有源数据和题目）
ZYM66的博客
02-25 1102
读取文件usa_election.txt 查看文件样式及基本信息 指定数据截取，将如下字段的数据进行提取，其他数据舍去： cand_nm:候选人姓名 contbr_nm:捐赠人姓名 contbr_st:捐赠人所在州 contbr_employer:捐赠人所在公司 contbr_occupation:捐赠人职业 contb_receipt_amt:捐赠金额 contb_receipt_dt:捐赠日期 使用统计学指标快速扫描数值型属性的概要 空值处理。可能因为...
pandas - 案例(美国2012年总统候选人政治献金数据分析)
anzhehan1535的博客
05-14 422
# 提供数据 months = {'JAN' : 1, 'FEB' : 2, 'MAR' : 3, 'APR' : 4, 'MAY' : 5, 'JUN' : 6, 'JUL' : 7, 'AUG' : 8, 'SEP' : 9, 'OCT': 10, 'NOV': 11, 'DEC' : 12} parties = { 'Bachmann, Mi...
数据分析项目实战day2
kongqing23的博客
01-06 607
目录 1.人口数据分析 1.导入并查看相关文件信息 2.进行数据操作 2.政治献金数据分析 1.读取数据查看相关信息 2.进行数据操作 1.人口数据分析 1.导入并查看相关文件信息 state表示州的全称，abbreviation表示缩写。 state表示州 areas表示所占面积。 state表示州，age表示调查人口的年龄，year表示统计年份，population表示人口数量。 2.进行数据操作 将人口数据和各州简称数据合并。 上图中有两列缩写，删除其...
2012美国大选献金项目Python
11-24
根据提供的引用[1]，2012美国大选献金项目的数据可以从美国联邦选举委员会（FEC）的网站上获取。该网站提供了一个CSV文件，其中包含了所有的献金记录。你可以使用Python中的pandas库来读取和处理这个CSV文件。 以下是一个简单的Python代码示例，演示如何使用pandas库读取CSV文件并对数据进行一些基本的处理： ```python import pandas as pd # 读取CSV文件 data = pd.read_csv('path/to/fec/data.csv') # 查看数据前5行 print(data.head()) # 查看数据的列名 print(data.columns) # 查看数据的统计信息 print(data.describe()) # 根据候选人姓名进行分组，并计算每个候选人获得的总捐款金额 grouped = data.groupby('cand_nm')['contb_receipt_amt'].sum() # 查看前10个候选人的捐款总额 print(grouped.nlargest(10)) ``` 上述代码中，我们首先使用`pd.read_csv()`函数读取CSV文件，并将其存储在一个pandas DataFrame对象中。然后，我们使用`data.head()`函数查看数据的前5行，使用`data.columns`函数查看数据的列名，使用`data.describe()`函数查看数据的统计信息。接下来，我们使用`groupby()`函数将数据按照候选人姓名进行分组，并使用`sum()`函数计算每个候选人获得的总捐款金额。最后，我们使用`nlargest()`函数查看获得捐款总额最高的前10个候选人。
评论 1
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