import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import matplotlib.pyplot as plt
%matplotlib inline
新建一个字典, 建立候选人与所在党派之间的映射
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
df = pd.read_csv(‘../data/usa_election.txt’, low_memory=False)
df.head()
使用 map 函数 + 字典，新建一列各个候选人所在党派 party
df[‘party’] = df[‘cand_nm’].map(parties)
df.head()
使用 np.unique() 函数查看 colums：party 这一列中有哪些元素
np.unique(df[‘party’])
array([‘Democrat’, ‘Libertarian’, ‘Reform’, ‘Republican’], dtype=object)
使用 value_counts() 函数，统计 party 列中各个元素出现次数
df[‘party’].value_counts()
Democrat 292400
Republican 237575
Reform 5364
Libertarian 702
Name: party, dtype: int64
使用 groupby() 函数，查看各个党派收到的政治献金总数 contb_receipt_amt
df.groupby(‘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
df.groupby([‘party’, ‘contb_receipt_dt’])[[‘contb_receipt_amt’]].sum()
查看日期格式，并将其转换为 Pandas 的日期格式, 通过函数加 map 方式进行转换
%time df[‘contb_receipt_dt’] = df[‘contb_receipt_dt’].map(pd.to_datetime)
df
这里相对耗费时间
根据时间进行排序
df = df.sort_values(‘contb_receipt_dt’)
df.head()
每天各政党所收政治献金数目
df2 = df.groupby([‘party’, ‘contb_receipt_dt’])[[‘contb_receipt_amt’]].sum()
df2.head(10)
使用 unstack() 将上面所得数据中的 party 从一级索引变成列索引,unstack(‘party’)
df2 = df2.unstack(0)
df2.head(10)
使用上面获取的数据, 画出各党派累计政治献金,cumsum() 累加函数
df2 = df2.fillna(0)
df2 = df2.cumsum()
df2.plot()
因为 Libertarian 和 Reform 的政治献金跟另外两个政党不再同一个级别上, 因此刻度相对这两个政党太大, 所以两个政党的政治献金看起来为 0.
把时间作为列，党派作为行来观察, 使用 stack() 把 party 变成二级行索引, 注意所有的值都不能为 nan，需要填充为 0
df2 = df2.stack(1)
df3 = df2.unstack(0)
df3 = df3.fillna(0)
df3.head(20)
查看候选人姓名 cand_nm 和政治献金捐献者职业 contbr_occupation，以及捐献情况。能看出各个候选人主要的支持者分布情况
df3 = df.groupby([‘cand_nm’, ‘contbr_occupation’])[[‘contb_receipt_amt’]].sum()
df3.head(20)
查看老兵主要支持谁：DISABLED VETERAN
df5 = df3.query(‘contbr_occupation == “DISABLED VETERAN”‘)
df5
把索引变成列
df5.reset_index()
找出各个候选人的捐赠者中，捐赠金额最大的人的职业以及捐献额
df.head()
df4 = df.groupby([‘cand_nm’, ‘contbr_nm’])[[‘contb_receipt_amt’]].sum()
df4[‘contb_receipt_amt’].max()
df4.query(‘contb_receipt_amt == 4419671.51’)