数据分析 案例

美国2012年总统候选人政治献金数据分析

  • 导入包
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
  • 方便大家操作,将月份和参选人以及所在政党进行定义
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}
of_interest = ['Obama, Barack', 'Romney, Mitt', 'Santorum, Rick', 
               'Paul, Ron', 'Gingrich, Newt']
parties = {
  'Bachmann, Michelle': 'Republican',
  'Romney, Mitt': 'Republican',
  'Obama, Barack': 'Democrat',
  "Roemer, Charles E. 'Buddy' III": 'Reform',
  'Pawlenty, Timothy': 'Republican',
  'Johnson, Gary Earl': 'Libertarian',
  'Paul, Ron': 'Republican',
  'Santorum, Rick': 'Republican',
  'Cain, Herman': 'Republican',
  'Gingrich, Newt': 'Republican',
  'McCotter, Thaddeus G': 'Republican',
  'Huntsman, Jon': 'Republican',
  'Perry, Rick': 'Republican'           
 }

需求:

  1. 读取文件usa_election.txt

    df = pd.read_csv('data/usa_election.txt')
    df.head()
  2. 查看文件样式及基本信息

  3. 【知识点】使用map函数+字典,新建一列各个候选人所在党派party

    df['parties'] = df['cand_nm'].map(parties)
    # 查看单独一行,是否加上了'party'一列
  4. 使用np.unique()函数查看colums:party这一列中有哪些元素

    df['parties'].unique()
  5. 使用value_counts()函数,统计party列中各个元素出现次数,value_counts()是Series中的,无参,返回一个带有每个元素出现次数的Series

    df['parties'].value_counts()
  6. 【知识点】使用groupby()函数,查看各个党派收到的政治献金总数contb_receipt_amt

    df.groupby(by='parties')['contb_receipt_amt'].sum()
  7. 查看具体每天各个党派收到的政治献金总数contb_receipt_amt 。使用groupby([多个分组参数])

    df.groupby(by=['contb_receipt_dt','parties'])['contb_receipt_amt'].sum()
  8. 将表中日期格式转换为'yyyy-mm-dd'。日期格式,通过函数加map方式进行转换

    def func(s):
        # 20-JUN-11
        day,month,year = s.split('-')
        month = months[month]
        return f'20{year}-{month}-{day}'
    df['contb_receipt_dt'] = df['contb_receipt_dt'].apply(func)
  9. 得到每天各政党所收政治献金数目。 考察知识点:groupby(多个字段)

    cand_nm_df = df.groupby(by=['cand_nm','contb_receipt_amt'])['contb_receipt_dt'].sum()
    cand_nm_df
  10. 【知识点】使用 unstack() 将上面所得数据中的party行索引变成列索引

  1. 查看老兵(捐献者职业)DISABLED VETERAN主要支持谁 :查看老兵们捐赠给谁的钱最多

    #获取老兵对应的行数据
    df['contbr_occupation'] == 'DISABLED VETERAN'
    old_bing_df = df.loc[df['contbr_occupation'] == 'DISABLED VETERAN']
    
    old_bing_df.groupby(by='cand_nm')['contb_receipt_amt'].sum()
  2. 把索引变成列,Series变量.reset_index()

  3. 找出各个候选人的捐赠者中,捐赠金额最大的人的职业以及捐献额 .通过query("查询条件来查找捐献人职业")

    df['contb_receipt_amt'].max()
    
    df.query('contb_receipt_amt == 1944042.43')

转载于:https://www.cnblogs.com/zhang-zi-yi/p/10749494.html

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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