利用Pandas分析美国选民总统喜好。
准备
需要提前安装的包
需要提前下载好数据集
数据处理
进行数据处理前,我们需要知道我们最终想要的数据是什么样的,因为我们是想分析候选人与捐赠人之间的关系,所以我们想要一张数据表中有捐赠人与候选人一一对应的关系,所以需要将目前的三张数据表进行一一关联,汇总到需要的数据。
数据探索与清洗
进过数据处理部分,我们获得了可用的数据集,现在我们可以利用调用shape属性查看数据的规模,调用info函数查看数据信息,调用describe函数查看数据分布。
c_itcont.shape,查看数据规模 多少行 多少列
c_itcont.info(),查看整体数据信息,包括每个字段的名称、非空数量、字段的数据类型
通过上面的探索我们知道目前数据集的一些基本情况,目前数据总共有756205行,8列,总占用内存51.9+MB,STATE、EMPLOYER、OCCUPATION有缺失值,另外日期列目前为int64类型,需要进行转换为str类型。
c_itcont.head(3),查看数据前3行
c_itcont.describe(),查看数据表中数据类型的列的数据分布情况
c_itcont[‘CAND_NAME’].describe(),查看单列的数据发布情况
数据分析
计算前十位党派和总统候选人获得的捐款总额
不同职业的人捐款的总额,然后排序,取前十位
以及不同捐款人的数量
每个州捐款总额和捐款人的数量
数据可视化
导入相关Python库
按州总捐款数和总捐款人数柱状图
各州捐款总人数可视化
热门候选人拜登在各州的获得的捐赠占比
总捐最多的候选人捐赠者词云图
总结,其实是利用Python的数据功能,分析出数据,再进行可视化的操作,因为Python在计算大数据上方便,如果数据量较小,直接用EXCEL也是一样可以做出对应的数据分析