天池python学习打卡task1~task4

task1

task2

task3

task4：数据分析

candidates：候选人信息
cand_id候选人id、cand_name候选人名、cand_py候选人党派
ccl:候选人委员会信息
cand_id候选人id、cand_ele_yr选举年、cmte_id委员会id
itcont:个人捐款信息
cmte_id委员会id name捐款人 city捐款人城市 state捐款人州
employer捐款人雇主 occupation 捐款人职业

1.关联表
a：候选人和候选人委员会：cand_ccl：by 候选人id
结果：候选人信息完善，有了所属委员会信息
ccl = pd.read()
提取ccl列：ccl.pd.DataFrame(ccl, columns=[])

b: a表和捐款人表itcont: c_itcont: by 委员会id cmte_id
结果c：候选人信息+对应委员会+捐款人，一个候选人的行有很多

2.清洗：找空或转换类型
c.shaple：看数据行列
c.info()：看数据类型判断空行
发现日期列类型为int：
c[‘date’] = c[‘date’].astype(str)
且换时间格式：通过索引不同位置区分年月日
c_itcont[‘TRANSACTION_DT’] = [i[3:7]+i[0]+i[1:3] for i in c_itcont[‘TRANSACTION_DT’] ]
空值处理：对有空值的列 inplace是对原始表也更改
c[’’].fillna(‘not provided’, inplace=True)
用describe()查看列或整体数据分布 std、top

3. 数据分析
   a.每个党派获得的总捐款前10：
   分组、组内求和sum、排序sort_values()
   c.groupby(“CAND_PTY_AFFILIATION”).sum().sort_values()
   b.每个候选人获得金额取前10:
   c.groupby(“cand_name”).sum().sort_values()
   根据党派以及党派最高能发现：t、b是两个货款最高党中获款最多的
   c.查看每个职业捐款人数量取前10：
   c.groupby(“OCCUPATION”).value_counts().sort_values()
   d.每个州捐款总数
   c.groupby(“STATE”).sum().sort_values()
   e.每个州捐款人数
   c.groupby(“STATE”).values_counts().sort_values())
   f.哪个州的候选人多
   cand.groupby(“STATE”).values_counts()
   g.哪个党派的候选人多
   cand.groupby(“cand_id”).values_counts()
   h.不同党派的支持者在哪个州多
   c.groupby(“STATE”).groupby(“PARY_AFF”).values_counts()
   州1 人1 x党
   州1 人2 y党
   州1 人3 x党
   州2 人4
   州2 人5
   i.不同党派的支持者在哪个州占比高，并且显示人数
   ①给c加一列州内党占比
   该党派人数/州候选人
   该党派人数：
   val_party_people = c.groupby(“PART_AFF”).values_counts()
   州候选人：
   val_state_people = c.groupby(“STATE”).values_counts()
   新增这两列：通过***map映射***:
   map映射：必须通过字典
   将dataframe两列映射到字典里
   dict_country = data.set_index(‘project’).T.to_dict(‘list’)
   新增党派人数：
   c[‘party’].map()
   党a：10人
   党b：20人
   新增州候选人数：
   c[‘STATE’].map(dic)
   州1:10人
   州2：20人
   结果：c.[‘zhanbi’] = x / y
   计算:党派占比： val_party / state_party
   各州不同党派人数及占比：

4.可视化