阿里天池——利用pandas分析美国总统竞选选票情况

代码记录

#%% 数据处理
# 导入相关处理包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt# pd.set_option('display.height', 1000)
# pd.set_option('display.max_rows', 500)
# pd.set_option('display.max_columns', 500)
pd.set_option('display.width', 1000) #显示在同一行
pd.set_option('display.max_columns', None)   #显示完整的列# 导入候选人信息，添加表头
candinfo = pd.read_csv('weball20.txt', sep='|', names=['CAND_ID','CAND_NAME','CAND_ICI','PTY_CD','CAND_PTY_AFFILIATION','TTL_RECEIPTS','TRANS_FROM_AUTH','TTL_DISB','TRANS_TO_AUTH','COH_BOP','COH_COP','CAND_CONTRIB','CAND_LOANS','OTHER_LOANS','CAND_LOAN_REPAY','OTHER_LOAN_REPAY','DEBTS_OWED_BY','TTL_INDIV_CONTRIB','CAND_OFFICE_ST','CAND_OFFICE_DISTRICT','SPEC_ELECTION','PRIM_ELECTION','RUN_ELECTION','GEN_ELECTION','GEN_ELECTION_PRECENT','OTHER_POL_CMTE_CONTRIB','POL_PTY_CONTRIB','CVG_END_DT','INDIV_REFUNDS','CMTE_REFUNDS'])
candinfo.head()
# 读取候选人和委员会的联系信息
ccl = pd.read_csv("ccl.txt", sep = '|',names=['CAND_ID','CAND_ELECTION_YR','FEC_ELECTION_YR','CMTE_ID','CMTE_TP','CMTE_DSGN','LINKAGE_ID'])
# 关联两个表数据
canddata = pd.merge(ccl, candinfo)
# 提取出所需要的列
canddata = pd.DataFrame(canddata, columns=[ 'CMTE_ID','CAND_ELECTION_YR','CAND_ID', 'CAND_NAME','CAND_PTY_AFFILIATION'])
# CMTE_ID：委员会ID
# 'CAND_ELECTION_YR' 选举年份
# CAND_ID：候选人ID
# CAND_NAME：候选人姓名
# CAND_PTY_AFFILIATION：候选人党派
canddata = canddata[canddata['CAND_ELECTION_YR'] == 2020]#%%
itcont = pd.read_csv('indiv20/itcont.txt', sep = '|',usecols=('CMTE_ID','NAME', 'STATE','EMPLOYER','OCCUPATION','TRANSACTION_AMT', 'TRANSACTION_DT'),names=['CMTE_ID','AMNDT_IND','RPT_TP','TRANSACTION_PGI','IMAGE_NUM','TRANSACTION_TP','ENTITY_TP','NAME','CITY','STATE','ZIP_CODE','EMPLOYER','OCCUPATION','TRANSACTION_DT','TRANSACTION_AMT','OTHER_ID','TRAN_ID','FILE_NUM','MEMO_CD','MEMO_TEXT','SUB_ID'],nrows=1_000_000)
#%%
cand = pd.merge(canddata,itcont,on='CMTE_ID')
cand1 = pd.DataFrame(cand, columns=['CAND_NAME','NAME', 'STATE','EMPLOYER','OCCUPATION','TRANSACTION_AMT', 'TRANSACTION_DT','CAND_PTY_AFFILIATION'])
#%% 备份
cand = cand1
# CAND_NAME – 接受捐赠的候选人姓名
# NAME – 捐赠人姓名
# STATE – 捐赠人所在州
# EMPLOYER – 捐赠人所在公司
# OCCUPATION – 捐赠人职业
# TRANSACTION_AMT – 捐赠数额（美元）
# TRANSACTION_DT – 收到捐款的日期
# CAND_PTY_AFFILIATION – 候选人党派
#%% 数据探索
cand.shape
cand.info()
cand.describe()
#%% 数据清理
cand['STATE'].fillna('NOT PROVIDE',inplace=True)
cand['EMPLOYER'].fillna('NOT PROVIDE',inplace=True)
cand['OCCUPATION'].fillna('NOT PROVIDE',inplace=True)
cand['TRANSACTION_DT'] = cand['TRANSACTION_DT'].astype(str)
cand['TRANSACTION_DT'] = [i[-4:]+i[:-4].zfill(4) for i in cand['TRANSACTION_DT']]
# 数据探索2
cand.info()
cand.head()
cand.describe()
#%% 数据分析
# 查看不同党派受捐额
cand.groupby('CAND_PTY_AFFILIATION').sum().sort_values('TRANSACTION_AMT', ascending=False).head(10)
# 查看不同竞选人的受捐额
cand.groupby('CAND_NAME').sum().sort_values('TRANSACTION_AMT', ascending=False).head(10)
# 查看不同职业的人捐款的总额
cand.groupby('OCCUPATION').sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)
# 查看不同职业人数
cand['OCCUPATION'].value_counts().head(10)
# 每个州捐款的总额
cand.groupby('STATE').sum().sort_values('TRANSACTION_AMT', ascending=False).head(10)
# 每个州捐款人数
cand['STATE'].value_counts().head(10)
# 总参与投票的州数量
STATE_NUM = len(set(cand['STATE']))
# 职业总数量
OCC_NUM = len(set(cand['OCCUPATION']))
#%% 各州总捐款数可视化
st_amt = cand.groupby('STATE').sum().sort_values('TRANSACTION_AMT', ascending=False).head(10)
st_amt.plot(kind='bar')
plt.show()
st_amt1 = cand.groupby('STATE').size().sort_values(ascending=False).head(10)
st_amt1.plot(kind='bar')
plt.show()
#%% 拜登
biden = cand[cand['CAND_NAME'] == 'BIDEN, JOSEPH R JR']
# 按捐赠日期统计
biden_dt = biden.groupby('TRANSACTION_DT').sum().sort_values('TRANSACTION_DT')
#biden_dt['DT_MONTH'] = [i[:6] for i in list(biden_dt.index)]
#biden_dt = biden_dt.groupby('DT_MONTH').sum().sort_values('DT_MONTH')
biden_dt['cumsum'] = biden_dt['TRANSACTION_AMT'].cumsum(axis=0)  # 获捐金额累计
# 按州统计
biden_state = biden.groupby('STATE').sum().sort_values("TRANSACTION_AMT", ascending=False).head(20)
#%% 特朗普
trump = cand[cand['CAND_NAME']=='TRUMP, DONALD J.']
trump_dt = trump.groupby('TRANSACTION_DT').sum().sort_values('TRANSACTION_DT')
#trump_dt['DT_MONTH'] = [i[:6] for i in list(trump_dt.index)]
#trump_dt = trump_dt.groupby('DT_MONTH').sum().sort_values('DT_MONTH')
trump_dt['cumsum'] = trump_dt['TRANSACTION_AMT'].cumsum(axis=0)  # 获捐金额累计
# 按州统计
trump_state = trump.groupby('STATE').sum().sort_values("TRANSACTION_AMT", ascending=False)
#%% 显示累积获捐数
plt.subplot(211)
plt.plot(biden_dt)
plt.subplot(212)
plt.plot(trump_dt)
plt.show()
#%%
biden_state.plot.pie(figsize=(10, 10),autopct='%0.2f%%',subplots=True)
plt.show()

阿里天池——利用pandas分析美国总统竞选选票情况相关推荐

阿里云AI训练营-数据分析入门：利用Pandas分析美国总统选举
1.1 前言本次赛事由开源学习组织Datawhale主办,主要带领学习者利用Python进行数据分析以及数据可视化,包含数据集的处理.数据探索与清晰.数据分析.数据可视化四部分,利用pandas.m ...
数据分析入门活动赛事，利用Pandas分析美国选民总统喜爱
本次赛事由开源学习组织Datawhale主办,主要带领学习者利用Python进行数据分析以及数据可视化,包含数据集的处理.数据探索与清晰.数据分析.数据可视化四部分,利用pandas.matplotl ...
【天池龙珠计划寒假训练营】python学习笔记（四）：利用Pandas分析美国选民总统喜好度
一.数据准备 1.1 数据集来源介绍 1. 所有候选人信息该文件为每个候选人提供一份记录,并显示候选人的信息.总收入.从授权委员会收到的转账.付款总额.给授权委员会的转账.库存现金总额.贷款和债务以 ...
阿里天池用Pandas揭秘美国选民的总统喜好附加题
= =我也不知道有没有杯子,大家权当热闹看看吧. 第一个附加题是按州总捐款热力地图(前面的大家可以直接在天池看,这是个教程类的入门,前面的说实话没啥好看的,新手就好好看看) import seabor ...
pandas实战-2012美国总统竞选赞助分析
1.数据载入和总览 1.1数据来源数据来源于阿里云天池公共数据-pandas实践-2012美国总统竞选赞助数据分析,如图所示然后下载数据并保存到本地,最后读取(本次操作使用工具-jupyter n ...
pandas数据分析案例--2012美国总统竞选赞助数据分析
美国总统竞选赞助数据分析本文内容参考阿里云天池实验室,在原有基础上添加了一些结论的分析. 原案例地址数据来源 1.首先导入相关的python数据分析的库 import pandas as pd i ...
数据分析案例--2012美国总统竞选赞助数据分析
美国总统竞选赞助数据分析本文来自阿里云天池实验室,案例原地址自学数据分析的小王同学借鉴一下,自己写一遍,分析一遍,自己做的代码和结果如下 1.导入相关的python数据分析的库 import pa ...
数据分析- 2012美国总统竞选赞助数据分析
数据分析- 2012美国总统竞选赞助数据分析导入有关的包 1. 数据载入 1.1 数据读取 1.2 数据合并 1.3 数据基本统计分析 2. 数据清洗 2.1 缺失值处理 2.2 数据转换 2.2. ...
2012美国总统竞选赞助数据分析项目学习
项目目的:通过对2012美国总统竞选赞助数据分析,得出哪个总统更具有优势的结论项目流程:数据载入.数据清洗.数据聚合分组以及可视化项目地址:https://tianchi.aliyun.com/n ...

阿里天池——利用pandas分析美国总统竞选选票情况

阿里天池——利用pandas分析美国总统竞选选票情况相关推荐

最新文章

热门文章