6，美国2012年总统候选人政治献金数据分析

1，导入包

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

2，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'           }

3，读取文件

table = pd.read_csv('data/usa_election.txt')
table.head()

　4，使用map函数+字典，新建一列各个候选人所在党派party

table['party'] = table['cand_nm'].map(parties)
table.head()

5，party这一列中有哪些元素

table['party'].unique()

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

6，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

table['party'].value_counts()

Democrat       292400
Republican     237575
Reform           5364
Libertarian       702
Name: party, dtype: int64

7，使用groupby()函数，查看各个党派收到的政治献金总数contb_receipt_amt

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

party
Democrat       8.105758e+07
Libertarian    4.132769e+05
Reform         3.390338e+05
Republican     1.192255e+08
Name: contb_receipt_amt, dtype: float64

8，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])

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

9，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 trasform_date(d):day,month,year = d.split('-')month = months[month]return "20"+year+'-'+str(month)+'-'+daytable['contb_receipt_dt'] = table['contb_receipt_dt'].apply(trasform_date)table.head()

10，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

table['contbr_occupation'] == 'DISABLED VETERAN'
old_bing_df = table.loc[table['contbr_occupation'] == 'DISABLED VETERAN']
old_bing_df.groupby(by='cand_nm')['contb_receipt_amt'].sum()

cand_nm
Cain, Herman       300.00
Obama, Barack     4205.00
Paul, Ron         2425.49
Santorum, Rick     250.00
Name: contb_receipt_amt, dtype: float64

table['contb_receipt_amt'].max()

1944042.43

11，找出候选人的捐赠者中，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")

 table.query('contb_receipt_amt == 1944042.43')

转载于:https://www.cnblogs.com/feifeifeisir/p/10497672.html

6，美国2012年总统候选人政治献金数据分析相关推荐

pandas - 案例(美国2012年总统候选人政治献金数据分析)
# 提供数据months = {'JAN' : 1, 'FEB' : 2, 'MAR' : 3, 'APR' : 4, 'MAY' : 5, 'JUN' : 6,'JUL' : 7, 'AUG' : ...
美国2012政治献金数据分析（附有源数据和题目）
读取文件usa_election.txt 查看文件样式及基本信息指定数据截取,将如下字段的数据进行提取,其他数据舍去: cand_nm :候选人姓名 contbr_nm :捐赠人姓名 contbr_ ...
数据分析---2012美国大选献金项目数据分析
需求: 1. 加载数据 df = pd.read_csv('./data/usa_election.txt') 2. 对新数据进行总览,查看是否存在缺失数据: 方法一:isnull.notnull.a ...
3 Python数据分析美国各州人口分析案例 Pandas高级操作美国大选献金案例 matplotlib
Python数据分析 1 案例美国各州人口分析 1.1 数据介绍数据来源:https://github.com/jakevdp/data-USstates/ 1.1.1 州人口数量表 state- ...
项目3：美国大选献金目数据分析
""" 需求: 1.读取数据 2.查看是否有缺失数据 3.用统计学指标快速描述数值型属性的概要 4.空值处理.可能因为忘记填写保密等原因,相关字段出现了空值,将其填充为N ...
文末送书｜用Pandas分析了75w多条数据，揭秘美国选民的总统喜好！
点击"一行数据",选择"置顶公众号" 文末送书,不可错过! 来源:天池大数据科研平台原文:https://tianchi.aliyun.com/noteboo ...
用Pandas分析了75w多条数据，揭秘美国选民的总统喜好！
来源:天池大数据科研平台原文:https://tianchi.aliyun.com/notebook-ai/detail?&postId=137714 大家好,我是小z- 今天和大家分享的内 ...
用Pandas分析了75w多条数据，揭秘美国选民的总统喜好
来源:天池大数据科研平台原文:https://tianchi.aliyun.com/notebook-ai/detail?&postId=137714 1.实战前准备 1.1 前言本文通过 ...
美国大选献金项目学习笔记
目录要求代码: 要求代码: import numpy as np import pandas as pddf = pd.read_csv('./data/usa_election.txt')# ...
Chapter3美国大选金献项目数据分析
8:46 加载数据查看数据的基本信息/对新数据进行总览,查看是否存在缺失数据快速描述数值型属性的概要空值处理,将空值填充为NOT PROVIDE 异常值处理新建一列为各个候选人所在的党派par ...

6，美国2012年总统候选人政治献金数据分析

6，美国2012年总统候选人政治献金数据分析相关推荐

最新文章

热门文章