數(shù)據(jù)：鏈接：https://pan.baidu.com/s/1AcyhgmkWqdy-K6gvRZaFsg
提取碼：1234
用Pandas揭秘美國選民的總統(tǒng)喜好數(shù)據(jù)分析（數(shù)據(jù)清洗+可視化分析)
一.確定問題：

分析美國選民對總統(tǒng)的喜好.什么喜好?->具體就是反向分析,通過分析選民投票各種分類結(jié)果得到的投票排行,分析各種選民對什么總統(tǒng)更有好感,更偏向于誰

二.分解問題

由一我們可以將問題分為對各種分類結(jié)果的投票排行分析,各種人對美國總統(tǒng)的偏向程度,比如分析投票人的黨派,由黨派投票排行+對應(yīng)候選總統(tǒng)所屬黨派判斷從黨派投票上誰更有優(yōu)勢,當(dāng)然不排除選民是A黨派,但他選了B黨的候選人,但是這種情況畢竟屬于選舉的少數(shù)情況,因為總統(tǒng)所在黨派始終會更有話語權(quán).并且一些關(guān)鍵性法案也會更偏向于總統(tǒng)所在黨派.

三.數(shù)據(jù)分析與可視化處理:
1.獲取數(shù)據(jù):
進(jìn)行數(shù)據(jù)處理前，我們需要知道我們最終想要的數(shù)據(jù)是什么樣的，因為我們是想分析候選人與捐贈人之間的關(guān)系，所以我們想要一張數(shù)據(jù)表中有捐贈人與候選人一一對應(yīng)的關(guān)系，所以需要將目前的三張數(shù)據(jù)表進(jìn)行一一關(guān)聯(lián)，匯總到需要的數(shù)據(jù)。

將委員會和候選人一一對應(yīng)，通過CAND_ID關(guān)聯(lián)兩個表

將候選人和捐贈人一一對應(yīng)，通過CMTE_ID關(guān)聯(lián)兩個表

具體操作如下:

#由于候選人和委員會的聯(lián)系表中無候選人姓名，只有候選人ID（CAND_ID），所以需要通過CAND_ID從候選人表中獲取到候選人姓名，最終得到候選人與委員會聯(lián)系表ccl。 # 導(dǎo)入相關(guān)處理包 import pandas as pd # 讀取候選人信息，由于原始數(shù)據(jù)沒有表頭，需要添加表頭 #關(guān)聯(lián)weball20.txt和ccl.txt candidates = 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']) # 讀取候選人和委員會的聯(lián)系信息 df_data = pd.read_csv("ccl.txt", sep = '|',names=['CAND_ID','CAND_ELECTION_YR','FEC_ELECTION_YR','CMTE_ID','CMTE_TP','CMTE_DSGN','LINKAGE_ID']) # 關(guān)聯(lián)兩個表數(shù)據(jù) df_data1 = pd.merge(df_data1,candidates) # 提取出所需要的列 df_data1 = pd.DataFrame(df_data1, columns=[ 'CMTE_ID','CAND_ID', 'CAND_NAME','CAND_PTY_AFFILIATION'])#關(guān)聯(lián)上面合并好的表ccl和表itcont_2020_20200722_20200820.txt # 讀取個人捐贈數(shù)據(jù)，由于原始數(shù)據(jù)沒有表頭，需要添加表頭 df_data2 = pd.read_csv('itcont_2020_20200722_20200820.txt', sep='|',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']) # 將候選人與委員會關(guān)系表ccl和個人捐贈數(shù)據(jù)表itcont合并，通過 CMTE_ID df_data2 = pd.merge(ccl,itcont) # 提取需要的數(shù)據(jù)列 df_data2 = pd.DataFrame(df_data2, columns=[ 'CAND_NAME','NAME', 'STATE','EMPLOYER','OCCUPATION','TRANSACTION_AMT', 'TRANSACTION_DT','CAND_PTY_AFFILIATION'])

字段說明：

CAND_NAME – 接受捐贈的候選人姓名 NAME – 捐贈人姓名 STATE – 捐贈人所在州 EMPLOYER – 捐贈人所在公司 OCCUPATION – 捐贈人職業(yè) TRANSACTION_AMT – 捐贈數(shù)額（美元） TRANSACTION_DT – 收到捐款的日期 CAND_PTY_AFFILIATION – 候選人黨派

得到的數(shù)據(jù)如下:

2.數(shù)據(jù)處理
獲得了可用的數(shù)據(jù)集，現(xiàn)在我們可以利用調(diào)用shape屬性查看數(shù)據(jù)的規(guī)模，調(diào)用info函數(shù)查看數(shù)據(jù)信息，調(diào)用describe函數(shù)查看數(shù)據(jù)分布。

# 查看數(shù)據(jù)規(guī)模 多少行 多少列 df_data2.shape # 查看整體數(shù)據(jù)信息，包括每個字段的名稱、非空數(shù)量、字段的數(shù)據(jù)類型 df_data2.info()

結(jié)果如圖:

由圖可得數(shù)據(jù)中存在缺失值需要處理
通過分析對應(yīng)列的數(shù)據(jù)我們將缺失值賦值為NOT PROVIDED（實際是根據(jù)的實際請況）如其中缺失比較多的OCCUPATION實際上就很多都是平民，沒有實際的工作，所以使用NOT　PROVIDED實際上比較合適,EMPLOYER為空很大概率上選民就是boss

#空值處理，統(tǒng)一填充 NOT PROVIDED df_data2['STATE'].fillna('NOT PROVIDED',inplace=True) df_data2['EMPLOYER'].fillna('NOT PROVIDED',inplace=True) df_data2['OCCUPATION'].fillna('NOT PROVIDED',inplace=True) # 對日期TRANSACTION_DT列進(jìn)行處理,即是為了這里的修改值,也是為了之后使用sum對捐贈數(shù)求和 df_data2['TRANSACTION_DT'] = df_data2['TRANSACTION_DT'] .astype(str) # 將日期格式改為年月日 7242020 df_data2['TRANSACTION_DT'] = [i[3:7]+i[0]+i[1:3] for i in df_data2['TRANSACTION_DT'] ] # 查看數(shù)據(jù)前3行,判斷是否是我們需要的數(shù)據(jù) df_data2.head(3)

結(jié)果如下:

查看每一行的具體數(shù)據(jù)是怎么樣的方便進(jìn)行下一步操作for i in df_data2.columns:print(df_data2.groupby(i).size())

結(jié)果太多不做展示：
大致意思就是，大致瀏覽其中是否有不正常的數(shù)據(jù)，比如這次我發(fā)現(xiàn)數(shù)據(jù)中捐款數(shù)存在負(fù)數(shù)的情況，鑒于這是一種不科學(xué)的情況，所以我對捐款單獨處理了一下，將所有為負(fù)的捐款都賦值為0

df_data2['TRANSACTION_AMT']=df_data2['TRANSACTION_AMT'].apply(lambda x:x if x>0 else 0)

3.數(shù)據(jù)可視化分析：

分析各個候選人top25獲得的總票數(shù)-使用詞云圖

分析各個候選人獲得捐款情況

分析各個候選人獲得的總捐款top10和對拜登捐贈最多的10個職業(yè)

分析選民的黨派

分析拜登在各個州獲得的捐贈占比

分析各個州總捐款top10和對應(yīng)的捐贈人數(shù)以及這幾個州的人均捐贈數(shù)

分析過去的一個月中每天捐贈數(shù)變化

分析過去一個月中總捐贈額top10的州每天捐贈流入情況

分析過去一個月中總捐贈額top10的職業(yè)每天捐贈流入情況

分析總捐贈數(shù)top10的天總捐贈人數(shù)和總捐贈數(shù)變化

分析其中產(chǎn)生差錯的原因

1.分析各個候選人top25獲得的總票數(shù)-使用詞云圖
數(shù)據(jù)可視化實際上就分為得到使用數(shù)據(jù)（一般是x,y數(shù)據(jù)我一般使用df_data_x/df_data_y/data_x/data_y的形式）和實際數(shù)據(jù)代入畫圖

from pyecharts import options as opts #詞云圖 from pyecharts.charts import WordCloud, Boxplot #是基于人數(shù)排名的 y_NAME=df_data2.groupby('CAND_NAME').size().sort_values(ascending=False).head(25).values.tolist() x_NAME=df_data2.groupby('CAND_NAME').size().sort_values(ascending=False).head(25).index.tolist() data_111=list(zip(x_NAME,y_NAME)) # print(data_111) word=(WordCloud(init_opts=opts.InitOpts(width="1900px", height="1000px",theme=ThemeType.DARK)).add(series_name="票選人物TOP25", data_pair=data_111, word_size_range=[20, 100],shape=SymbolType.DIAMOND).set_global_opts(title_opts=opts.TitleOpts(title="ballots_top-25", title_textstyle_opts=opts.TextStyleOpts(font_size=23)),tooltip_opts=opts.TooltipOpts(is_show=True),) )

結(jié)果如下:

從圖中我們可以明顯看到拜登比其他候選人在獲得票數(shù)上更有優(yōu)勢,所以我們繼續(xù)分析這些候選人總獲得的捐贈數(shù),因為我們知道美國大選不同與其他國家,大選是十分消耗資金的,所以在資金上有優(yōu)勢,在大選中也會更有優(yōu)勢

2.分析各個候選人獲得捐款情況

Y_container=[] for i in x_NAME:#前25個人的箱型數(shù)據(jù)Y_container.append(df_data2[df_data2.CAND_NAME==i]["TRANSACTION_AMT"].values.tolist())#單獨分析其中比較突出的兩個候選人，我們只關(guān)注給他們捐款的錢數(shù)，公司，還有對應(yīng)捐款人的職業(yè) print(x_NAME[1]+':') print(df_data2[df_data2.CAND_NAME==x_NAME[1]].loc[:,['TRANSACTION_AMT','EMPLOYER','OCCUPATION']].sort_values('TRANSACTION_AMT',ascending=False).head(25)) print(df_data2[df_data2.CAND_NAME==x_NAME[1]].groupby('EMPLOYER').sum().sort_values('TRANSACTION_AMT',ascending=False).head(25)) print(x_NAME[2]+':') print(df_data2[df_data2.CAND_NAME==x_NAME[2]].loc[:,['TRANSACTION_AMT','EMPLOYER','OCCUPATION']].sort_values('TRANSACTION_AMT',ascending=False).head(25)) print(df_data2[df_data2.CAND_NAME==x_NAME[2]].groupby('EMPLOYER').sum().sort_values('TRANSACTION_AMT',ascending=False).head(25))box_plot = Boxplot(init_opts=opts.InitOpts(width="2400px", height="1500px",theme=ThemeType.CHALK))box_plot = (box_plot.add_xaxis(xaxis_data=x_NAME).add_yaxis(series_name="", y_axis=box_plot.prepare_data(Y_container),itemstyle_opts=opts.ItemStyleOpts(color='blue')).set_global_opts(datazoom_opts=opts.DataZoomOpts(is_show=True),title_opts=opts.TitleOpts(pos_left="center", title="GAND_NAME_TOP25獲取捐款"),tooltip_opts=opts.TooltipOpts(trigger="item", axis_pointer_type="shadow"),xaxis_opts=opts.AxisOpts(# type_="category",boundary_gap=True,splitarea_opts=opts.SplitAreaOpts(is_show=False),# axislabel_opts=opts.LabelOpts(formatter="expr {value}"),splitline_opts=opts.SplitLineOpts(is_show=False),),yaxis_opts=opts.AxisOpts(# type_="value",#值軸，一般默認(rèn)的是類別軸type_='value',name="所獲捐贈",splitarea_opts=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),),).set_series_opts(tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")) )

結(jié)果如下:

可以看到因為第2和第三的最大值很大導(dǎo)致整體數(shù)據(jù)分析不明顯所以我們單獨取出這兩個數(shù)據(jù)并分析其余數(shù)據(jù)的獲捐贈情況
SULLIVAN,DAN:

JACOBS,CHRISTOPHER L.:


刪除異常的兩個數(shù)據(jù):

x_NAME1=x_NAME[3:].copy() x_NAME1.insert(0,x_NAME[0]) Y_container1=Y_container[3:].copy() Y_container1.insert(0,Y_container[0]) box_plot1 = Boxplot(init_opts=opts.InitOpts(width="1900px", height="1100px",theme=ThemeType.CHALK))box_plot1 = (box_plot1.add_xaxis(xaxis_data=x_NAME1).add_yaxis(series_name="", y_axis=box_plot1.prepare_data(Y_container1),itemstyle_opts=opts.ItemStyleOpts(color='blue')).set_global_opts(datazoom_opts=opts.DataZoomOpts(is_show=True),title_opts=opts.TitleOpts(pos_left="center", title="GAND_NAME_TOP25獲取捐款"),tooltip_opts=opts.TooltipOpts(trigger="item", axis_pointer_type="shadow"),xaxis_opts=opts.AxisOpts(# type_="category",boundary_gap=True,splitarea_opts=opts.SplitAreaOpts(is_show=False),# axislabel_opts=opts.LabelOpts(formatter="expr {value}"),splitline_opts=opts.SplitLineOpts(is_show=False),),yaxis_opts=opts.AxisOpts(# type_="value",#值軸，一般默認(rèn)的是類別軸type_='value',name="所獲捐贈",splitarea_opts=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),),).set_series_opts(tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")) )

結(jié)果如下:

可以發(fā)現(xiàn)拜登獲得的捐款無論是后50%還是前50%都要比其他候選人小,這不禁讓人失望,因為通過前面的詞云圖分析我們已經(jīng)很看好拜登了,因為它人數(shù)占優(yōu)勢…!!!,或許我們找到了答案
3.分析各個候選人獲得的總捐款top10和對拜登捐贈最多的10個職業(yè)
前面分析我們發(fā)現(xiàn)拜登在獲得捐款的數(shù)據(jù)中拜登一點優(yōu)勢都沒有了,但是我們發(fā)現(xiàn)拜登獲得投票的/捐款的人數(shù)比較多,是否可能最后拜登是量大數(shù)小?帶著疑問開始數(shù)據(jù)分析

# 前面的結(jié)果似乎耐人尋味，因為排名第一的拜登似乎最大值，平均值都沒別人的大 sum_data=df_data2.groupby('CAND_NAME').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('TRANSACTION_AMT',ascending=True)['TRANSACTION_AMT'] sum_data_y=sum_data.values.tolist() sum_data_x=sum_data.index.tolist() from pyecharts.charts import Bar bar_1=(Bar(init_opts=opts.InitOpts(width="1700px", height="1000px",theme=ThemeType.CHALK)).add_xaxis(sum_data_x).add_yaxis('獲得的捐贈總金額',sum_data_y,bar_width='40%').reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title='獲得捐贈總金額排名前10的候選人',pos_left='left'),legend_opts=opts.LegendOpts(pos_left='left',is_show=False)) ) # 分析拜登參與投票中的職業(yè)捐款組成 OCCUPATION_data=df_data2[df_data2.CAND_NAME==x_NAME[0]].groupby('OCCUPATION').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('TRANSACTION_AMT',ascending=True) OCCUPATION_data_y=OCCUPATION_data['TRANSACTION_AMT'].values.tolist() OCCUPATION_data_x=OCCUPATION_data.index.tolist() bar_2=(Bar(init_opts=opts.InitOpts(width="1700px", height="1000px",theme=ThemeType.CHALK)).add_xaxis(OCCUPATION_data_x).add_yaxis('捐贈總金額',OCCUPATION_data_y,bar_width='40%').reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title='對拜登捐贈總金額排名前10的職業(yè)',pos_right='center'),legend_opts=opts.LegendOpts(pos_right='right',is_show=False)) ) from pyecharts.charts import Grid grid_1=(Grid(init_opts=opts.InitOpts(width='1900px',height='1000px',theme=ThemeType.CHALK)).add(bar_1,grid_opts=opts.GridOpts(pos_right='55%')).add(bar_2,grid_opts=opts.GridOpts(pos_left='55%')) )

似乎結(jié)果如我們所想,拜登憑借人多的優(yōu)勢其獲得的捐款也多,然后我分析了對拜登捐款最多的10個職業(yè),發(fā)現(xiàn)更多是來自平民捐款,這也能解釋為什么拜登的平均，最大值都不如其他候選人.也是看出了支持拜登的更多是平民，而非資本家,相反前面兩個異常的數(shù)據(jù)我們可以發(fā)現(xiàn)其捐贈額很大的都是一些公司,boss捐款,因為資本家的投入使得其最大值高,平均值大

4.分析選民的黨派
黨派在選舉上有著決定作用,可以說什么黨的票數(shù)多大概率就對應(yīng)了什么黨派候選人會勝選,當(dāng)然特殊情況是多個候選人分?jǐn)偭诉@個黨派的票數(shù),(盡管可能,但是這里不做考慮,一般都是一邊倒,即使有分?jǐn)傄膊粫霈F(xiàn)大幅度拆分)

Y_CAND_PTY_AFFILIATION=df_data2.groupby('CAND_PTY_AFFILIATION').size().sort_values(ascending=False).head(5).values.tolist() X_CAND_PTY_AFFILIATION=df_data2.groupby('CAND_PTY_AFFILIATION').size().sort_values(ascending=False).head(5).index.tolist() from pyecharts.charts import Bar Bar_YX=(Bar(init_opts=opts.InitOpts(width='1900px',height='1000px',theme=ThemeType.CHALK)).add_xaxis(X_CAND_PTY_AFFILIATION).add_yaxis('候選人黨派獲取支持票數(shù)',Y_CAND_PTY_AFFILIATION)# .reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title='候選人黨派'),toolbox_opts=opts.ToolboxOpts(is_show=True)) )

可以看出其中民主黨占優(yōu)勢,為此查詢了下拜登所在黨派:

所以從各黨派參與人數(shù)與候選人誰會勝選確實有關(guān)系
(感興趣的可以使用過去很多年的選舉數(shù)據(jù)在判斷下,這里不做展開)

5.分析拜登在各個州獲得的捐贈占比
主要分析對拜登的捐贈top10的州各自占比,說明拜登獲得捐贈的主力在什么州

data=df_data2[df_data2['CAND_NAME']=='BIDEN, JOSEPH R JR'] data_y=data.groupby('STATE').sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)['TRANSACTION_AMT'].tolist() data_x=data.groupby('STATE').sum().sort_values("TRANSACTION_AMT",ascending=False).head(10).index.tolist() sum1=sum(data_y) data_y=[round(i/sum1*100,1) for i in data_y] from pyecharts.charts import Pie pie = (Pie(init_opts=opts.InitOpts(width="1900px", height="1100px",theme=ThemeType.PURPLE_PASSION)).add("各州捐款數(shù)占比",[list(z) for z in zip(data_x, data_y)],radius=["40%", "50%"],center=[600,450],label_opts=opts.LabelOpts(position="outside",formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c} {per|ze8trgl8bvbq%} ",background_color="#eee",border_color="#aaa",border_width=1,border_radius=4,rich={"a": {"color": "#999", "lineHeight": 22, "align": "center"},"abg": {"backgroundColor": "#e3e3e3","width": "100%","align": "right","height": 22,"borderRadius": [4, 4, 0, 0],},"hr": {"borderColor": "#aaa","width": "100%","borderWidth": 0.5,"height": 0,},"b": {"fontSize": 16, "lineHeight": 33},"per": {"color": "#eee","backgroundColor": "#334455","padding": [2, 4],"borderRadius": 2,},},),) )

結(jié)果如下:

加利福尼亞州,內(nèi)華達(dá)州是拜登的捐贈主力

6.分析各個州總捐款top10和對應(yīng)的捐贈人數(shù)以及這幾個州的人均捐贈數(shù)
分析各州參與選舉的積極度和總捐款top10的各個州的人均捐款數(shù)

from pyecharts.charts import Bar from pyecharts import options as opts y=df_data2.groupby('STATE').sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)['TRANSACTION_AMT'].tolist() y=[round(i/1e7,3) for i in y] # print(y) x=df_data2.groupby('STATE').sum().sort_values("TRANSACTION_AMT",ascending=False).head(10).index.tolist() c1=(Bar(init_opts=opts.InitOpts(width="800px", height="600px")).add_xaxis(x).add_yaxis('TRANSACTION_AMT',y,itemstyle_opts=opts.ItemStyleOpts(color='Teal'),label_opts=opts.LabelOpts(is_show=True, position='top', formatter="{c}",color='cyan'))# .reversal_axis().set_global_opts(legend_opts=opts.LegendOpts(pos_left='left',pos_top='top'),xaxis_opts=opts.AxisOpts(name='STATE',name_location='middle',name_gap=30, # 與x軸線的距離name_textstyle_opts=opts.TextStyleOpts(font_family='Microsoft Yahei',font_size=20,),axistick_opts=opts.AxisTickOpts(is_show=True,# is_show=False, # 是否顯示is_inside=True, # 刻度線是否在內(nèi)側(cè)),axisline_opts=opts.AxisLineOpts(symbol='none',linestyle_opts=opts.LineStyleOpts(width=1,color='black',)),axislabel_opts=opts.LabelOpts(rotate=40,font_size=12,font_family='Arial',font_weight='bold'),),yaxis_opts=opts.AxisOpts(name='TRANSACTION_AMT_SUM(/1e7)',name_location='middle',name_gap=60,min_=0,max_=3,name_textstyle_opts=opts.TextStyleOpts(font_family='Times New Roman',font_size=20,color='black',# font_weight='bolder',),axistick_opts=opts.AxisTickOpts(is_show=False, # 是否顯示is_inside=True, # 刻度線是否在內(nèi)側(cè)),axislabel_opts=opts.LabelOpts(font_size=12,font_family='Times New Roman',formatter="{value}" # y軸顯示方式以數(shù)據(jù)形式),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color='black')), # y軸網(wǎng)格線axisline_opts=opts.AxisLineOpts(is_show=False), # y軸線),toolbox_opts=opts.ToolboxOpts(is_show=True),).set_series_opts(markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(type_='min',name='最小值'),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),])) )x1=df_data2.groupby('STATE').size().sort_values(ascending=False).head(10).index.tolist() y1=df_data2.groupby('STATE').size().sort_values(ascending=False).head(10).tolist() c2=(Bar(init_opts=opts.InitOpts(width="800px", height="600px")).add_xaxis(x1).add_yaxis('TRANSACTION',y1,itemstyle_opts=opts.ItemStyleOpts(color='Navy'),label_opts=opts.LabelOpts(color='cyan'))# .reversal_axis().set_global_opts(datazoom_opts=opts.DataZoomOpts(is_show=True),xaxis_opts=opts.AxisOpts(name='STATE',name_location='middle',name_gap=30, # 與x軸線的距離# name_Rorate設(shè)置旋轉(zhuǎn)角度# x軸名稱的格式配置name_textstyle_opts=opts.TextStyleOpts(font_family='Microsoft Yahei',font_size=20,),# 坐標(biāo)軸刻度配置項axistick_opts=opts.AxisTickOpts(is_show=True,# is_show=False, # 是否顯示is_inside=True, # 刻度線是否在內(nèi)側(cè)),# 坐標(biāo)軸線的配置axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(width=1,color='black',)),axislabel_opts=opts.LabelOpts(rotate=40,font_size=12,font_family='Arial',font_weight='bold'),),yaxis_opts=opts.AxisOpts(name='TRANSACTION_PERSON_NUMBER',name_location='middle',name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_family='Times New Roman',font_size=20,color='black',# font_weight='bolder',),axistick_opts=opts.AxisTickOpts(is_show=False, # 是否顯示is_inside=True, # 刻度線是否在內(nèi)側(cè)),axislabel_opts=opts.LabelOpts(font_size=12,font_family='Times New Roman',formatter="{value}" # y軸顯示方式以數(shù)據(jù)形式),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color='black')), # y軸網(wǎng)格線axisline_opts=opts.AxisLineOpts(is_show=False), # y軸線),toolbox_opts=opts.ToolboxOpts(is_show=True),).set_series_opts(markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(type_='min',name='最小值'),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),])) ) from pyecharts.charts import Line data_1=df_data2.groupby('STATE').size().sort_values(ascending=False).head(10).index.tolist() data_2=df_data2.groupby('STATE').sum()['TRANSACTION_AMT'] data_2=[data_2[i] for i in data_1] p=sum(data_2) data_2=[round(i/p*100,2) for i in data_2]line_1=(Line(init_opts=opts.InitOpts(width="800px", height="500px",theme=ThemeType.PURPLE_PASSION)).add_xaxis(data_1).add_yaxis('TRANSACTION_ATtop10_AVERAGE', y_axis=data_2,).set_global_opts(title_opts=opts.TitleOpts(title="捐贈人數(shù)排行前10的人均捐贈數(shù)目",pos_left='left',pos_top='center',title_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman',font_size=20,color='black',)),#一定程度上反應(yīng)了州的經(jīng)濟(jì)水平tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts( name='STATE',name_location='middle',name_gap=50,type_="category",boundary_gap=False,name_textstyle_opts=opts.TextStyleOpts(font_family='Times New Roman',font_size=20,color='black',),axislabel_opts=opts.LabelOpts(rotate=40)),legend_opts=opts.LegendOpts(is_show=False), yaxis_opts=opts.AxisOpts(name='TRANSACTION_PERSON_NUMBER',name_location='middle',name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_family='Times New Roman',font_size=20,color='black',# font_weight='bolder',),axistick_opts=opts.AxisTickOpts(is_show=False, # 是否顯示is_inside=True, # 刻度線是否在內(nèi)側(cè)),axislabel_opts=opts.LabelOpts(font_size=12,font_family='Times New Roman',formatter="{value}" # y軸顯示方式以數(shù)據(jù)形式),axisline_opts=opts.AxisLineOpts(is_show=False), # y軸線)).set_series_opts(markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(type_='min', name='最小值'),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),])) )from pyecharts.charts import Grid p1=(Grid(init_opts=opts.InitOpts(width="1900px", height="1400px",theme=ThemeType.CHALK))# Page(layout=Page.SimplePageLayout).add(c1,grid_opts=opts.GridOpts(pos_bottom='60%',pos_right='55%')).add(c2,grid_opts=opts.GridOpts(pos_bottom='60%',pos_left='55%')).add(line_1,grid_opts=opts.GridOpts(pos_top='60%',pos_right='50%')) )

可以看出加利福尼亞州既是參與人數(shù)最多的也是捐款人數(shù)top10的州中人均捐款最多的,側(cè)面看出加利福尼亞州經(jīng)濟(jì)應(yīng)該比較好,于是我查詢了2020年美國各州的GDP數(shù)據(jù),發(fā)現(xiàn)加利福利亞州確實始終是美國經(jīng)濟(jì)最好的地方.其實我們熟知的硅谷就在加利福利亞州.另外很多世界TOP企業(yè)也在加利福利亞,列如APPLE,FACEBOOK,谷歌等等

另外我們分析到的數(shù)據(jù)中排名第二的紐約州也在GDPtop3的位置,我們也注意到捐贈數(shù)多的不一定經(jīng)濟(jì)發(fā)展好很可能只是選民參與的積極程度比較高
所以通過人均捐款數(shù)判斷州的經(jīng)濟(jì)情況大概率上是可行的
(這里還可做個補充就是再單獨對拜登的分析)
7.分析過去的一個月中每天捐贈數(shù)變化

from pyecharts.charts import Calendar import datetime from pyecharts import options as optsdata_dete=df_data2.groupby('TRANSACTION_DT').sum()['TRANSACTION_AMT'].values.tolist() begin = datetime.date(2020, 7, 22) end = datetime.date(2020, 8, 20) data = [[str(begin + datetime.timedelta(days=i)),data_dete[i] ]for i in range((end - begin).days + 1) ] import numpy as np split=np.linspace(min(data_dete),max(data_dete),8) end_split=[] for i in range(0,7):end_split.append({'min':split[i],'max':split[i+1]}) calendar=(Calendar(init_opts=opts.InitOpts(width="1900px", height="800px",theme=ThemeType.PURPLE_PASSION)).add(series_name="",yaxis_data=data,calendar_opts=opts.CalendarOpts(pos_top="120",pos_left="30",pos_right="30",range_="2020",yearlabel_opts=opts.CalendarYearLabelOpts(is_show=False),),# label_opts=opts.LabelOpts(color='purple')).set_global_opts(title_opts=opts.TitleOpts(pos_top="30", pos_left="center", title="過去一個月每天獲得的捐款數(shù)"),visualmap_opts=opts.VisualMapOpts(max_=max(data_dete),min_=min(data_dete),orient="horizontal",is_piecewise=True,pos_top="center",pos_left="center",# is_inverse=True,pieces=end_split,textstyle_opts=opts.TextStyleOpts(color='write',font_size=20,font_family='Microsoft YaHei'),item_height=20,item_width=30),) )

可以看到最后一天是捐款數(shù)最多的一天,前面都比較平淡,這個大概率是情緒影響的,因為這一天是決定選舉結(jié)果的一天,不止是候選人,還有選民都會比較感性.

8.分析過去一個月中總捐贈額top10的州每天捐贈流入情況

from pyecharts.charts import ThemeRiver river=(ThemeRiver(init_opts=opts.InitOpts(width='1900px',height='1000px',theme=ThemeType.CHALK)).add(series_name=OCCUPATION_top10,data=dete_occupation_y,singleaxis_opts=opts.SingleAxisOpts(pos_top="50", pos_bottom="50", type_="time"), ).set_global_opts(tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="line"),title_opts=opts.TitleOpts(title='總捐贈top10職業(yè)每天的捐贈流入'),datazoom_opts=opts.DataZoomOpts(is_show=True),) )

其中7-27號紐約州捐款變化很大,猜測有較大概率是候選人在這個州拉票,或者發(fā)生了一些特殊的事情
于是我查詢資料發(fā)現(xiàn),作為候選人之一的特朗普就是紐約州出生的,并且7-27號是共和黨全國代表大會的最后一天,想必作為特朗普的出生地紐約,在這一天選民也是比較激動的,所以出現(xiàn)大的波動很正常

9.分析過去一個月中總捐贈額top10的職業(yè)每天捐贈流入情況

river1=(ThemeRiver(init_opts=opts.InitOpts(width='1900px',height='1000px',theme=ThemeType.CHALK)).add(series_name=STATE_top10,data=dete_state_y,singleaxis_opts=opts.SingleAxisOpts(pos_top="50", pos_bottom="50", type_="time"), ).set_global_opts(tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="line"),title_opts=opts.TitleOpts(title='總捐贈top10的州每天的捐贈流入'),datazoom_opts=opts.DataZoomOpts(is_show=True),) )

同樣發(fā)現(xiàn)27號這一天也是職業(yè)捐助不平常的一天,FOUNDER(創(chuàng)始人,這里看為資本家吧,畢竟特朗普也是商人)

10.分析總捐贈數(shù)top10的日期總捐贈人數(shù)和總捐贈數(shù)變化

# #先取出數(shù)據(jù)量前10的，然后再對日期排序 data_sum_y=df_data2.groupby('TRANSACTION_DT').sum().sort_values('TRANSACTION_AMT',ascending=True)['TRANSACTION_AMT'].head(10).values.tolist() data_personsum_y=df_data2.groupby('TRANSACTION_DT').size().sort_values(ascending=True).head(10).values.tolist() data_sum_x=df_data2.groupby('TRANSACTION_DT').sum().sort_values('TRANSACTION_AMT',ascending=True).head(10).index.tolist() data_personsum_x=df_data2.groupby('TRANSACTION_DT').size().sort_values(ascending=True).head(10).index.tolist() ans=list(zip(data_sum_x,data_sum_y)) ans1=list(zip(data_personsum_x,data_personsum_y)) ans=sorted(ans,key=(lambda x:x[0])) ans1=sorted(ans1,key=(lambda x:x[0])) data_sum_x=[i[0] for i in ans] data_personsum_x=[i[0] for i in ans1] data_sum_y=[i[1] for i in ans] data_personsum_y=[i[1] for i in ans1] # from pyecharts.charts import Line line=(Line(init_opts=opts.InitOpts(width="1500px", height="380px",theme=ThemeType.CHALK)).add_xaxis(data_sum_x).add_yaxis('data_personsum', y_axis=data_personsum_y,markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts(yaxis_opts=opts.AxisOpts(min_=13000),title_opts=opts.TitleOpts(title="過去某10天總捐款人數(shù)/總捐款數(shù)"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),) ) line1=(Line(init_opts=opts.InitOpts(width="1500px", height="380px")).add_xaxis(data_sum_x).add_yaxis('data_sum',y_axis=data_sum_y,markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts(yaxis_opts=opts.AxisOpts(min_=1300000),# title_opts=opts.TitleOpts(title="過去某10天總捐款情況"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),) ) from pyecharts.charts import Grid page=(#page是最上層的圖表不能嵌入到其他圖表之中# Page()Grid(init_opts=opts.InitOpts(width="1900px", height="1000px",theme=ThemeType.CHALK)).add(line,grid_opts=opts.GridOpts(pos_bottom='55%')).add(line1,grid_opts=opts.GridOpts(pos_top='55%')) )

如果如下:

發(fā)現(xiàn)異常數(shù)據(jù)8.3號和8.8號這兩天捐贈人數(shù)和捐贈數(shù)成反比例分布
所以我們單獨對8.3號和8.8號這兩天單獨分析
11.分析其中產(chǎn)生差錯的原因

#一般認(rèn)為捐款的人數(shù)越多其捐款總數(shù)就會越大但是發(fā)現(xiàn)有兩天人數(shù)與捐款數(shù)差距，所以我們具體分析這兩天，并加入 #一般的一天作為對照組 2020803 2020808 +2020725 由分析各個屬性最有可能就是捐贈人職業(yè)的影響 y11=df_data2[df_data2.TRANSACTION_DT=='2020803'].groupby('OCCUPATION').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('OCCUPATION')['TRANSACTION_AMT'].values.tolist() x11=df_data2[df_data2.TRANSACTION_DT=='2020803'].groupby('OCCUPATION').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('OCCUPATION')['TRANSACTION_AMT'].index.tolist() y11_person=df_data2[df_data2.TRANSACTION_DT=='2020803'].groupby('OCCUPATION').size() sum_y11=sum(y11)y11_bi=[round(i/sum_y11*100/y11_person[x11[j]],4) for j,i in enumerate(y11)]#每個職業(yè)在總金額的占比y12=df_data2[df_data2.TRANSACTION_DT=='2020808'].groupby('OCCUPATION').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('OCCUPATION')['TRANSACTION_AMT'].values.tolist() x12=df_data2[df_data2.TRANSACTION_DT=='2020808'].groupby('OCCUPATION').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('OCCUPATION')['TRANSACTION_AMT'].index.tolist() y12_person=df_data2[df_data2.TRANSACTION_DT=='2020808'].groupby('OCCUPATION').size() sum_y12=sum(y12) y12_bi=[round(i/sum_y12*100/y12_person[x12[j]],4) for j,i in enumerate(y12)]y13=df_data2[df_data2.TRANSACTION_DT=='2020725'].groupby('OCCUPATION').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('OCCUPATION')['TRANSACTION_AMT'].values.tolist() x13=df_data2[df_data2.TRANSACTION_DT=='2020725'].groupby('OCCUPATION').sum().sort_values('TRANSACTION_AMT',ascending=False).head(10).sort_values('OCCUPATION')['TRANSACTION_AMT'].index.tolist() y13_person=df_data2[df_data2.TRANSACTION_DT=='2020725'].groupby('OCCUPATION').size() sum_y13=sum(y13) y13_bi=[round(i/sum_y13*100/y13_person[x13[j]],4) for j,i in enumerate(y13)]# 做柱形圖 l11=(Bar(init_opts=opts.InitOpts(width="1900px", height="400px",theme=ThemeType.DARK)).add_xaxis(x11).add_yaxis('data_personsum', y_axis=y11,bar_width='50%', itemstyle_opts=opts.ItemStyleOpts(color='blue'),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts(title_opts=opts.TitleOpts(title="過去某10天總捐款人數(shù)2020-08-03"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=40)),) ) l21=(Bar(init_opts=opts.InitOpts(width="1900px", height="400px",theme=ThemeType.DARK)).add_xaxis(x12).add_yaxis('data_personsum', y_axis=y12,bar_width='50%', itemstyle_opts=opts.ItemStyleOpts(color='red'),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts(title_opts=opts.TitleOpts(title="過去某10天總捐款人數(shù)2020-08-08"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=40)),) ) l31=(Bar(init_opts=opts.InitOpts(width="1900px", height="400px",theme=ThemeType.DARK)).add_xaxis(x13).add_yaxis('data_personsum', y_axis=y13,bar_width='50%', itemstyle_opts=opts.ItemStyleOpts(color='green'),# yaxis=opts.AxisOpts(min_=1300000),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts(title_opts=opts.TitleOpts(title="過去某10天總捐款人數(shù)2020-07-25"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=40)),) ) l1=(Line(init_opts=opts.InitOpts(width="1900px", height="400px",theme=ThemeType.DARK)).add_xaxis(x11).add_yaxis('data_personsum', y_axis=y11_bi,itemstyle_opts=opts.ItemStyleOpts(color='blue'),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts(title_opts=opts.TitleOpts(title="過去某10天 總捐款額前10職業(yè)的個人占比2020-08-03"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=40)),) ) l2=(Line(init_opts=opts.InitOpts(width="1900px", height="400px",theme=ThemeType.DARK)).add_xaxis(x12).add_yaxis('data_personsum', y_axis=y12_bi,itemstyle_opts=opts.ItemStyleOpts(color='red'),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts( # yaxis_opts=opts.AxisOpts(max_=1.5),title_opts=opts.TitleOpts(title="過去某10天 總捐款額前10職業(yè)的個人占比2020-08-08"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=40)),) ) l3=(Line(init_opts=opts.InitOpts(width="1900px", height="400px",theme=ThemeType.DARK)).add_xaxis(x13).add_yaxis('data_personsum', y_axis=y13_bi,itemstyle_opts=opts.ItemStyleOpts(color='green'),# yaxis=opts.AxisOpts(min_=1300000),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),opts.MarkLineItem(symbol="none", x="90%", y="max"),opts.MarkLineItem(symbol="circle", type_="max", name="最高點"),]),).set_global_opts(title_opts=opts.TitleOpts(title="過去某10天 總捐款額前10職業(yè)的個人占比2020-07-25"),tooltip_opts=opts.TooltipOpts(trigger="axis"),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=40)),) ) page1=(Page().add(l11,l21,l31) ) page2=(Page().add(l1,l2,l3) )

結(jié)果如下:


分析圖1我們發(fā)現(xiàn)其中8-3號這天,主力職業(yè)(RETIRED,NOT EMPLOYED)流入增加,并結(jié)合圖二發(fā)現(xiàn)這一天還有高薪職業(yè)的流入,比如 PRIVATE EQUITY單個人就占這一天的1.48%,所以我們猜測這一天還有一些高薪職業(yè)的流入所以導(dǎo)致其人數(shù)減少捐贈數(shù)增加,相反8-8號這天,主力職業(yè)減少,并且相對正常的7-25號各職業(yè)個人占比都沒有特別明顯增加,使得這一天雖然人數(shù)增加,但是總捐贈減少.

END…
創(chuàng)作不易留下你的三連吧!

總結(jié)

以上是生活随笔為你收集整理的数据分析-pands分析美国选民对总统的喜好(python实现）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。