美国大选献金

美国大选献金

需求
加载数据
查看数据的基本信息
指定数据截取，将如下字段的数据进行提取，其他数据舍弃
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
对新数据进行总览,查看是否存在缺失数据
用统计学指标快速描述数值型属性的概要。
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
异常值处理。将捐款金额<=0的数据删除
新建一列为各个候选人所在党派party
查看party这一列中有哪些不同的元素
统计party列中各个元素出现次数
查看各个党派收到的政治献金总数contb_receipt_amt
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

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#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’
}

df = pd.read_csv(’./usa_election.txt’) 读取文件
df.describe() 相关数据的统计师描述
df.fillna(value=‘NOT RECEIVED’,inplace=True) 处理空值
df = df.loc[df[‘contb_receipt_amt’]>0] 保留交过钱的数据

df[‘party’] = df[‘cand_nm’].map(parties) 给候选人添加党派信息
df[‘party’].unique() 党派种类
df[‘party’].value_counts() 不同党派信息量统计
df.groupby(by=‘party’)[‘contb_receipt_amt’].sum() 不同党派拿钱求和

def transform_date(s):
day,month,year = s.split(’-’)
month = months[month]
return ‘20’+year+’-’+str(month)+’-’+day

df[‘contb_receipt_dt’] = df[‘contb_receipt_dt’].apply(transform_date) 日期格式转换
df.head()

old_bing_df = df.loc[df[‘contbr_occupation’] == ‘DISABLED VETERAN’] 找到捐钱的老兵数据
old_bing_df.groupby(by=‘cand_nm’)[‘contb_receipt_amt’].sum() 查看老兵对不同候选人的支持