2012美国大选献金项目数据分析

Posted 2021-11-11 胜天半月子

文章目录

• 需求
• 一、数据预处理
• 二、分析数据

---

需求

获取源数据–密码：hxqy

1. 读取文件usa_election.txt
2. 查看文件样式及基本信息
3. 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
4. 使用np.unique()函数查看colums：party这一列中有哪些元素
5. 使用统计学指标快速扫描数值型属性的概要
6. 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
7. 异常值处理。将捐款金额<=0的数据删除
8. 新建一列为各个候选人所在党派party
9. 查看party这一列中有哪些不同的元素
10. 统计party列中各个元素出现次数
11. 查看各个党派收到的政治献金总数contb_receipt_amt
12. 查看具体每天各个党派收到的政治献金总数contb_receipt_amt
13. 将表中日期格式转换为’yyyy-mm-dd’。
14. 查看老兵(捐献者职业)DISABLED VETERAN主要支持谁

---

一、数据预处理

• 导入相关包

import numpy as np
import pandas as pd
from pandas import DataFrame

• 读取文件usa_election.txt

df = pd.read_csv('./data/usa_election.txt')
df

• 查看数据基本信息

df.info()

• 指定数据截取

data =df[['cand_nm','contbr_nm','contbr_st','contbr_employer','contbr_occupation','contb_receipt_amt','contb_receipt_dt']]
data

• 使用统计学指标快速扫描数值型属性的概要

# describe()方法可以返回原始数据中的列的统计学指标
data.describe()

• 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

data.info()

• 使用fillna填充【所有数据填充为相同值】

data.fillna(value='NOT PROVIDE',inplace=True)
data.info()

• 异常值处理。将捐款金额<=0的数据删除

data['contb_receipt_amt'] > 0 # 返回False表示异常值
data = data[data['contb_receipt_amt'] > 0]
# 查看是否有异常数值
data.describe()

---

二、分析数据

• 新建一列为各个候选人所在党派party

 查看有多少候选人
df['cand_nm'].unique()

# 映射关系表   候选人《--》党派
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'           
 }
data['party'] = data['cand_nm'].map(parties)
data.head()

• 查看party这一列中有哪些不同的元素

data['party'].unique()

array([‘Republican’, ‘Democrat’, ‘Reform’, ‘Libertarian’], dtype=object)

• 统计party列中各个元素出现次数

value_counts()

data['party'].value_counts()

Democrat 289999
Republican 234300
Reform 5313
Libertarian 702
Name: party, dtype: int64

• 查看各个党派收到的政治献金总数contb_receipt_amt

data.groupby(by='party')['contb_receipt_amt'].sum()

• 查看具体每天各个党派收到的政治献金总数contb_receipt_amt

data.groupby(by=['contb_receipt_dt','party'])['contb_receipt_amt'].sum()

• 将表中日期格式转换为’yyyy-mm-dd’

data.head()

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}
def tranformdData(d):
    day,month,year = d.split('-')
    month = months[month]
    return '20'+year+'-'+str(month)+'-'+day

data['contb_receipt_dt'] = data['contb_receipt_dt'].map(tranformdData)
data.head()

• 查看老兵(捐献者职业)DISABLED VETERAN主要支持谁

# 分析 ： 老兵给谁捐钱最多，最支持谁
#  1. 提出老兵对应的行数据
old_bing = data.loc[data['contbr_occupation'] == 'DISABLED VETERAN']
# 2.根据获选人分组
old_bing.groupby(by='cand_nm').groups

# 3. 求和即可
old_bing.groupby(by='cand_nm')['contb_receipt_amt'].sum()

最后得出Obama, Barack是老兵主要支持的候选人

---