首页 / PYTHON / python数据分析——美国2012年总统候选人政治献金数据分析【实例】

python数据分析——美国2012年总统候选人政治献金数据分析【实例】

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python数据分析——美国2012年总统候选人政治献金数据分析【实例】，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含8935字，纯文字阅读大概需要13分钟。

内容图文

美国2012年总统候选人政治献金数据分析

导入包

In?[1]:

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

方便大家操作，将月份和参选人以及所在政党进行定义

In?[2]:

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'           
 }

读取文件

In?[3]:

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

C:\jupyter\lib\site-packages\IPython\core\interactiveshell.py:2785: DtypeWarning: Columns (6) have mixed types. Specify dtype option on import or set low_memory=False.
  interactivity=interactivity, compiler=compiler, result=result)

Out[3]:

	cmte_id	cand_id	cand_nm	contbr_nm	contbr_city	contbr_st	contbr_zip	contbr_employer	contbr_occupation	contb_receipt_amt	contb_receipt_dt	receipt_desc	memo_cd	memo_text	form_tp	file_num
0	C00410118	P20002978	Bachmann, Michelle	HARVEY, WILLIAM	MOBILE	AL	3.6601e+08	RETIRED	RETIRED	250.0	20-JUN-11	NaN	NaN	NaN	SA17A	736166
1	C00410118	P20002978	Bachmann, Michelle	HARVEY, WILLIAM	MOBILE	AL	3.6601e+08	RETIRED	RETIRED	50.0	23-JUN-11	NaN	NaN	NaN	SA17A	736166
2	C00410118	P20002978	Bachmann, Michelle	SMITH, LANIER	LANETT	AL	3.68633e+08	INFORMATION REQUESTED	INFORMATION REQUESTED	250.0	05-JUL-11	NaN	NaN	NaN	SA17A	749073
3	C00410118	P20002978	Bachmann, Michelle	BLEVINS, DARONDA	PIGGOTT	AR	7.24548e+08	NONE	RETIRED	250.0	01-AUG-11	NaN	NaN	NaN	SA17A	749073
4	C00410118	P20002978	Bachmann, Michelle	WARDENBURG, HAROLD	HOT SPRINGS NATION	AR	7.19016e+08	NONE	RETIRED	300.0	20-JUN-11	NaN	NaN	NaN	SA17A	736166

In?[8]:

#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()

Out[8]:

	cmte_id	cand_id	cand_nm	contbr_nm	contbr_city	contbr_st	contbr_zip	contbr_employer	contbr_occupation	contb_receipt_amt	contb_receipt_dt	receipt_desc	memo_cd	memo_text	form_tp	file_num	party
0	C00410118	P20002978	Bachmann, Michelle	HARVEY, WILLIAM	MOBILE	AL	3.6601e+08	RETIRED	RETIRED	250.0	20-JUN-11	NaN	NaN	NaN	SA17A	736166	Republican
1	C00410118	P20002978	Bachmann, Michelle	HARVEY, WILLIAM	MOBILE	AL	3.6601e+08	RETIRED	RETIRED	50.0	23-JUN-11	NaN	NaN	NaN	SA17A	736166	Republican
2	C00410118	P20002978	Bachmann, Michelle	SMITH, LANIER	LANETT	AL	3.68633e+08	INFORMATION REQUESTED	INFORMATION REQUESTED	250.0	05-JUL-11	NaN	NaN	NaN	SA17A	749073	Republican
3	C00410118	P20002978	Bachmann, Michelle	BLEVINS, DARONDA	PIGGOTT	AR	7.24548e+08	NONE	RETIRED	250.0	01-AUG-11	NaN	NaN	NaN	SA17A	749073	Republican
4	C00410118	P20002978	Bachmann, Michelle	WARDENBURG, HAROLD	HOT SPRINGS NATION	AR	7.19016e+08	NONE	RETIRED	300.0	20-JUN-11	NaN	NaN	NaN	SA17A	736166	Republican

In?[10]:

#party这一列中有哪些元素
table['party'].unique()

Out[10]:

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

In?[?]:

#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

In?[11]:

table['party'].value_counts()

Out[11]:

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

In?[12]:

#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()

Out[12]:

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

In?[13]:

#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()

Out[13]:

party       contb_receipt_dt
Democrat    01-AUG-11            175281.00
            01-DEC-11            651532.82
            01-JAN-12             58098.80
            01-JUL-11            165961.00
            01-JUN-11            145459.00
            01-MAY-11             82644.00
            01-NOV-11            122529.87
            01-OCT-11            148977.00
            01-SEP-11            403297.62
            02-AUG-11            164510.11
            02-DEC-11            216056.96
            02-JAN-12             89743.60
            02-JUL-11             17105.00
            02-JUN-11            422453.00
            02-MAY-11            396675.00
            02-NOV-11            147183.81
            02-OCT-11             62605.62
            02-SEP-11            137948.41
            03-AUG-11            147053.02
            03-DEC-11             81304.02
            03-JAN-12             87406.97
            03-JUL-11              5982.00
            03-JUN-11            320176.20
            03-MAY-11            261819.11
            03-NOV-11            119304.56
            03-OCT-11            363061.02
            03-SEP-11             45598.00
            04-APR-11            640235.12
            04-AUG-11            598784.23
            04-DEC-11             72795.10
                                   ...    
Republican  29-AUG-11            941769.23
            29-DEC-11            428501.42
            29-JAN-11               750.00
            29-JAN-12             75220.02
            29-JUL-11            233423.35
            29-JUN-11           1340704.29
            29-MAR-11             38875.00
            29-MAY-11              8363.20
            29-NOV-11            407322.64
            29-OCT-11             81924.01
            29-SEP-11           1612794.52
            30-APR-11             43004.80
            30-AUG-11            915548.58
            30-DEC-11            492470.45
            30-JAN-12            255204.80
            30-JUL-11             12249.04
            30-JUN-11           2744932.63
            30-MAR-11             50240.00
            30-MAY-11             17803.60
            30-NOV-11            809014.83
            30-OCT-11             43913.16
            30-SEP-11           4886331.76
            31-AUG-11           1017735.02
            31-DEC-11           1094376.72
            31-JAN-11              6000.00
            31-JAN-12            869890.41
            31-JUL-11             12781.02
            31-MAR-11             62475.00
            31-MAY-11            301339.80
            31-OCT-11            734601.83
Name: contb_receipt_amt, Length: 1183, dtype: float64

In?[14]:

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

In?[17]:

#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
table['contb_receipt_dt'] = table['contb_receipt_dt'].apply(trasform_date)

In?[18]:

table.head()

Out[18]:

	cmte_id	cand_id	cand_nm	contbr_nm	contbr_city	contbr_st	contbr_zip	contbr_employer	contbr_occupation	contb_receipt_amt	contb_receipt_dt	receipt_desc	memo_cd	memo_text	form_tp	file_num	party
0	C00410118	P20002978	Bachmann, Michelle	HARVEY, WILLIAM	MOBILE	AL	3.6601e+08	RETIRED	RETIRED	250.0	2011-6-20	NaN	NaN	NaN	SA17A	736166	Republican
1	C00410118	P20002978	Bachmann, Michelle	HARVEY, WILLIAM	MOBILE	AL	3.6601e+08	RETIRED	RETIRED	50.0	2011-6-23	NaN	NaN	NaN	SA17A	736166	Republican
2	C00410118	P20002978	Bachmann, Michelle	SMITH, LANIER	LANETT	AL	3.68633e+08	INFORMATION REQUESTED	INFORMATION REQUESTED	250.0	2011-7-05	NaN	NaN	NaN	SA17A	749073	Republican
3	C00410118	P20002978	Bachmann, Michelle	BLEVINS, DARONDA	PIGGOTT	AR	7.24548e+08	NONE	RETIRED	250.0	2011-8-01	NaN	NaN	NaN	SA17A	749073	Republican
4	C00410118	P20002978	Bachmann, Michelle	WARDENBURG, HAROLD	HOT SPRINGS NATION	AR	7.19016e+08	NONE	RETIRED	300.0	2011-6-20	NaN	NaN	NaN	SA17A	736166	Republican

In?[19]:

#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'

Out[19]:

0         False
1         False
2         False
3         False
4         False
5         False
6         False
7         False
8         False
9         False
10        False
11        False
12        False
13        False
14        False
15        False
16        False
17        False
18        False
19        False
20        False
21        False
22        False
23        False
24        False
25        False
26        False
27        False
28        False
29        False
          ...  
536011    False
536012    False
536013    False
536014    False
536015    False
536016    False
536017    False
536018    False
536019    False
536020    False
536021    False
536022    False
536023    False
536024    False
536025    False
536026    False
536027    False
536028    False
536029    False
536030    False
536031    False
536032    False
536033    False
536034    False
536035    False
536036    False
536037    False
536038    False
536039    False
536040    False
Name: contbr_occupation, Length: 536041, dtype: bool

In?[21]:

old_bing_df = table.loc[table['contbr_occupation'] == 'DISABLED VETERAN']

In?[22]:

old_bing_df.groupby(by='cand_nm')['contb_receipt_amt'].sum()

Out[22]:

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

In?[23]:

table['contb_receipt_amt'].max()

Out[23]:

1944042.43

In?[24]:

#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')

Out[24]:

	cmte_id	cand_id	cand_nm	contbr_nm	contbr_city	contbr_st	contbr_zip	contbr_employer	contbr_occupation	contb_receipt_amt	contb_receipt_dt	receipt_desc	memo_cd	memo_text	form_tp	file_num	party
176127	C00431445	P80003338	Obama, Barack	OBAMA VICTORY FUND 2012 - UNITEMIZED	CHICAGO	IL	60680	NaN	NaN	1944042.43	2011-12-31	NaN	X	*	SA18	763233	Democrat

内容总结

以上是互联网集市为您收集整理的python数据分析——美国2012年总统候选人政治献金数据分析【实例】全部内容，希望文章能够帮你解决python数据分析——美国2012年总统候选人政治献金数据分析【实例】所遇到的程序开发问题。如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/694744.html

来源：【匿名】

【上一篇】python-美丽的汤：访问>没有ID的元素【下一篇】浅谈PHP运行Python脚本的方法

更多 ►

【python数据分析——美国2012年总统候选人政治献金数据分析【实例】】教程文章相关的互联网学习教程文章

Python数据分析基础与实践 Python数据分析实践课程 Python视频教程

课程简介: Python数据分析基础与实践 Python数据分析实践课程 Python视频教程----------------------课程目录------------------------------├<章节1Python概况>├<章节2Python安装>├<章节3数据准备>├<章节4数据处理>├<章节5数据可视化>├<章节6网页数据抓取>├<章节7连接MySQL>├<章节8数据分析> 下载地址；百度网盘原文：http://blog.51cto.com/13888927/2150486

利用 Python 进行数据分析（九）pandas 汇总统计和计算【图】

pandas 对象拥有一些常用的数学和统计方法。例如，sum() 方法，进行列小计： sum() 方法传入 axis=1 指定为横向汇总，即行小计： idxmax() 获取最大值对应的索引：还有一种汇总是累计型的，cumsum()，比较它和 sum() 的区别：unique() 方法用于返回数据里的唯一值： value_counts() 方法用于统计各值出现的频率： isin() 方法用于判断成员资格：安装步骤已经在首篇随笔里写过了，这里不在赘述。利用 Python 进行数据分析（一）简...

利用Python进行数据分析-Pandas(第二部分)【代码】

上一个章节中我们主要是介绍了pandas两种数据类型的具体属性，这个章节主要介绍操作Series和DataFrame中的数据的基本手段。重新索引　　pandas对象的一个重要方法是reindex，其作用是创建一个新对象，它的数据符合新的索引：import pandas as pdobj = pd.Series([4.5, 7.2, -5.3, 3.6], index=[‘d‘, ‘b‘, ‘a‘, ‘c‘]) print(obj)d 4.5 b 7.2 a -5.3 c 3.6 dtype: float64 用该Series的reindex将会根据新索引进行...

python多线程爬取世纪佳缘女生资料并简单数据分析【代码】【图】

一. 目标? 作为一只万年单身狗，一直很好奇女生找对象的时候都在想啥呢，这事也不好意思直接问身边的女生，不然别人还以为你要跟她表白啥的，况且工科出身的自己本来接触的女生就少，即使是挨个问遍，样本量也太少，毕竟每个人的标准都会有差异的。这时候想到婚恋网站，上面不就有现成的数据吗，刚好最近也在学习爬虫，如果能用爬虫把数据爬取下来，既练习了爬虫技术，又获得了想要的数据，一举两得。不如说干就干。? 从接触爬虫以...

Python数据分析--Pandas知识点(三)【代码】【图】

本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘.Python数据分析--Pandas知识点(一)Python数据分析--Pandas知识点(二)下面将是在知识点一, 二的基础上继续总结. 前面所介绍的都是以表格的形式中展现数据, 下面将介绍Pandas与Matplotlib配合绘制出折线图, 散点图, 饼图, 柱形图, 直方图等五大基本图形.Matplotlib是python中的一个2D图形库, 它能以各种硬拷贝的格式和跨平台的交互式环境生成高质量的图形, 比如...

Python数据分析8-----网页文本处理【代码】

1、去除网页的标签，如<br/>from bs4 import BeautifulrSoup preData=BeautifulSoup(data,‘html.parser‘).get_text() 2、将标点符号等去掉，用正则表达式。import re#表示将data中的除了大小写字母之外的符号换成空格 preData=re.sub(r‘[^a-zA-Z]‘,‘‘,data)3、将文本中的单词小写化，并将data用空格分开words=data.lower().split()4、去掉停用词#可以自己下载停用词 #nltk.download() words_notstop=[w for w in words if ...

Python笔记_第五篇_Python数据分析基础教程_文件的读写【代码】

1. 读写文件（基本）　　savetxt、loadtxti2 = np.eye(2) print(i2) np.savetxt(r"C:\Users\Thomas\Desktop\eye.txt",i2)c,v = np.loadtxt(r"C:\Users\Thomas\Desktop\data.csv",delimiter=‘,‘,usecols=(6,7),unpack=True) print(c,v) #[336.1 339.32 345.03 344.32 343.44 346.5 351.88 355.2 358.16 354.54 # 356.85 359.18 359.9 363.13 358.3 350.56 338.61 342.62 342.88 348.16 # 353.21 349.31 352.12 359.56 360. ...

《利用python进行数据分析》读书笔记--第八章绘图和可视化

python有许多可视化工具，本书主要讲解matplotlib。matplotlib是用于创建出版质量图表的桌面绘图包（主要是2D方面）。原文：http://www.cnblogs.com/batteryhp/p/5025772.html

Python 进行 NBA 比赛数据分析【代码】【图】

Basketball Reference.com 数据源地址http://labfile.oss.aliyuncs.com/courses/782/data.zip数据下载地址用到的三张表Team Per Game StatsOpponent Per Game StatsMiscellaneous Stats 整体思路，根据输赢按公式赋分，赢了且是主场加分第一个函数，首先初始化一下数据，去除一些无关数据并将这三个表格通过Team属性列进行连接第二个函数，获取每支队伍的Elo Score等级分，最开始给定一个初始值第三个函数，计算每支球队的Elo等级...

利用Python进行数据分析：【IPython】【代码】【图】

一、IPython基础功能 1、IPython是交互式的Python命令行2、安装与使用1#安装：pip install ipython2#使用：ipython与Python解释器的使用方法一致注：之后想学习机器学习的读者强烈建议安装Anaconda（含有numpy、pandas等等等）二、IPython高级功能 1、基本使用#- TAB键自动完成 #- ?：内省、命名空间搜索 #- !：执行系统命令 #- 丰富的快捷键 2、魔术命令：以%开始的命令# %run：执行文件代码 # %paste：执行剪贴板代码 # %timeit：...

Python数据分析在互联网寒冬下，数据分析师还吃香吗？【图】

伴随着移动互联网的飞速发展，越来越多用户被互联网连接在一起，用户所积累下来的数据越来越多，市场对数据方面人才的需求也越来越大，由此也带火了如数据分析、数据挖掘、算法等职业，而作为其中入门门槛相对较低、工资高于大多传统行业岗位的数据分析一职，则成为了许多想转行进入数据领域的同学的首要选择。那么在现在的互联网寒冬下，数据分析岗位是什么行情呢？不同城市对该岗位的需求又是怎样的？岗位的具体薪资状况咋样？有...

利用python 学习数据分析 (学习一)【代码】【图】

内容学习自:Python for Data Analysis, 2nd Edition 就是这本纯英文学的很累,对不对取决于百度翻译了前情提要:各种方法贴:https://www.cnblogs.com/baili-luoyun/p/10250177.html　　　　本内容主要讲的是　　　　　　数组和矢量的计算　　　　一: 创建数组　　　　　　传入内容(序列化对象),转化成数组　　　　　　　　np.array()　　　　　　1:单维数组 (和列表没什么两样)1单维数组 2# data1 = [6, 7, 8, 9, 10, 1, 2]3...

《利用python进行数据分析》读书笔记--第十章时间序列（二）【代码】

5、时期及其算数运算时期（period）表示的是时间区间，比如数日、数月、数季、数年等。Period类所表示的就是这种数据类型，其构造函数需要用到一个字符串或整数，以及频率。#-*- coding:utf-8 -*-import numpy as np import pandas as pd import matplotlib.pyplot as plt import datetime as dt from pandas import Series,DataFrame from datetime import datetime from dateutil.parser import parse import time from pandas.t...

用Python进行数据分析-1【代码】【图】

第一章准备工作1.3 重要的python数据库Numpy：是python科学计算的基础包，本书大部分内容都基于numpy以及构建于其上的库功能如下：-快速高效的多维数组对象ndarray。 -用于对数组执行元素级计算以及直接对数组执行数学运算的函数 -用于读写硬盘上基于数组的数据集的工具 -线性代数运算、傅立叶变换、以及随机数的生成 -成熟的c API，用于python插件和原生的c c++ fortran代码访问numpy的数据结构和计算工具pandas：提供了快速便捷...

Python - pandas 数据分析【代码】

pandas: powerful Python data analysis toolkit官方文档： http://pandas.pydata.org/pandas-docs/stable/ 1. 导入包pandasimport pandas as pd 2. 获取文件夹下文件名称import os filenames=[]path="C:/Users/Forrest/PycharmProjects/test" for file in os.listdir(path):filenames.append(file) 3. 读前几行文件(.csv文件)# -*- coding: utf-8 -*- ##读前几行文件 f= open("C:/Users/Forrest/PycharmProjects/test/train.csv")...

首页 / PYTHON / python数据分析——美国2012年总统候选人政治献金数据分析【实例】

python数据分析——美国2012年总统候选人政治献金数据分析【实例】

内容导读

内容图文

美国2012年总统候选人政治献金数据分析

内容总结

内容备注

内容手机端

【python数据分析——美国2012年总统候选人政治献金数据分析【实例】】教程文章相关的互联网学习教程文章

Python数据分析基础与实践 Python数据分析实践课程 Python视频教程

利用 Python 进行数据分析（九）pandas 汇总统计和计算【图】

利用Python进行数据分析-Pandas(第二部分)【代码】

python多线程爬取世纪佳缘女生资料并简单数据分析【代码】【图】

Python数据分析--Pandas知识点(三)【代码】【图】

Python数据分析8-----网页文本处理【代码】

Python笔记_第五篇_Python数据分析基础教程_文件的读写【代码】

《利用python进行数据分析》读书笔记--第八章绘图和可视化

Python 进行 NBA 比赛数据分析【代码】【图】

利用Python进行数据分析：【IPython】【代码】【图】

Python数据分析在互联网寒冬下，数据分析师还吃香吗？【图】

利用python 学习数据分析 (学习一)【代码】【图】

《利用python进行数据分析》读书笔记--第十章时间序列（二）【代码】

用Python进行数据分析-1【代码】【图】

Python - pandas 数据分析【代码】

PYTHON - 相关标签

数据分析 - 相关标签

实例 - 相关标签

PYTHON - 技术教程分类

PYTHON - 最新教程

PYTHON - 最热教程