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

分析美國選民對總統的喜好.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果得到的投票排行,分析各種選民對什么總統更有好感,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果的投票排行分析,各種人對美國總統的偏向程度,比如分析投票人的黨派,由黨派投票排行+對應候選總統所屬黨派判斷從黨派投票上誰更有優勢,當然不排除選民是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情況,因為總統所在黨派始終會更有話語權.并且一些關鍵性法案也會更偏向于總統所在黨派.

三.數據分析與可視化處理:
1.獲取數據:
進行數據處理前，我們需要知道我們最終想要的數據是什么樣的，因為我們是想分析候選人與捐贈人之間的關系，所以我們想要一張數據表中有捐贈人與候選人一一對應的關系，所以需要將目前的三張數據表進行一一關聯，匯總到需要的數據。

將委員會和候選人一一對應，通過CAND_ID關聯兩個表

將候選人和捐贈人一一對應，通過CMTE_ID關聯兩個表

具體操作如下:

#由于候選人和委員會的聯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系表ccl。 # 導入相關處理包 import pandas as pd # 讀取候選人信息，由于原始數據沒有表頭，需要添加表頭 #關聯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']) # 關聯兩個表數據 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'])#關聯上面合并好的表ccl和表itcont_2020_20200722_20200820.txt # 讀取個人捐贈數據，由于原始數據沒有表頭，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系表ccl和個人捐贈數據表itcont合并，通過 CMTE_ID df_data2 = pd.merge(ccl,itcont) # 提取需要的數據列 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 TRANSACTION_AMT – 捐贈數額（美元） TRANSACTION_DT – 收到捐款的日期 CAND_PTY_AFFILIATION – 候選人黨派

得到的數據如下:

2.數據處理
獲得了可用的數據集，現在我們可以利用調用shape屬性查看數據的規模，調用info函數查看數據信息，調用describe函數查看數據分布。

# 查看數據規模 多少行 多少列 df_data2.shape # 查看整體數據信息，包括每個字段的名稱、非空數量、字段的數據類型 df_data2.info()

結果如圖:

由圖可得數據中存在缺失值需要處理
通過分析對應列的數據我們將缺失值賦值為NOT PROVIDED（實際是根據的實際請況）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'] ] # 查看數據前3行,判斷是否是我們需要的數據 df_data2.head(3)

結果如下:

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

結果太多不做展示：
大致意思就是，大致瀏覽其中是否有不正常的數據，比如這次我發現數據中捐款數存在負數的情況，鑒于這是一種不科學的情況，所以我對捐款單獨處理了一下，將所有為負的捐款都賦值為0

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

3.數據可視化分析：

分析各個候選人top25獲得的總票數-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

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和對應的捐贈人數以及這幾個州的人均捐贈數

分析過去的一個月中每天捐贈數變化

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的職業每天捐贈流入情況

分析總捐贈數top10的天總捐贈人數和總捐贈數變化

分析其中產生差錯的原因

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

from pyecharts import options as opts #詞云圖 from pyecharts.charts import WordCloud, Boxplot #是基于人數排名的 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上更有優勢,所以我們繼續分析這些候選人總獲得的捐贈數,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,所以在資金上有優勢,在大選中也會更有優勢

2.分析各個候選人獲得捐款情況

Y_container=[] for i in x_NAME:#前25個人的箱型數據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，我們只關注給他們捐款的錢數，公司，還有對應捐款人的職業 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}")) )

結果如下:

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

JACOBS,CHRISTOPHER L.:


刪除異常的兩個數據:

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}")) )

結果如下:

可以發現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很看好拜登了,因為它人數占優勢…!!!,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
前面分析我們發現拜登在獲得捐款的數據中拜登一點優勢都沒有了,但是我們發現拜登獲得投票的/捐款的人數比較多,是否可能最后拜登是量大數小?帶著疑問開始數據分析

# 前面的結果似乎耐人尋味，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',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%')) )

似乎結果如我們所想,拜登憑借人多的優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,發現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據我們可以發現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多大概率就對應了什么黨派候選人會勝選,當然特殊情況是多個候選人分攤了這個黨派的票數,(盡管可能,但是這里不做考慮,一般都是一邊倒,即使有分攤也不會出現大幅度拆分)

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',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勢,為此查詢了下拜登所在黨派:

所以從各黨派參與人數與候選人誰會勝選確實有關系
(感興趣的可以使用過去很多年的選舉數據在判斷下,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|ozvdkddzhkzd%} ",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,},},),) )

結果如下:

加利福尼亞州,內華達州是拜登的捐贈主力

6.分析各個州總捐款top10和對應的捐贈人數以及這幾個州的人均捐贈數
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

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, # 刻度線是否在內側),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, # 刻度線是否在內側),axislabel_opts=opts.LabelOpts(font_size=12,font_family='Times New Roman',formatter="{value}" # y軸顯示方式以數據形式),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color='black')), # y軸網格線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設置旋轉角度# 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, # 刻度線是否在內側),# 坐標軸線的配置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, # 刻度線是否在內側),axislabel_opts=opts.LabelOpts(font_size=12,font_family='Times New Roman',formatter="{value}" # y軸顯示方式以數據形式),splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(color='black')), # y軸網格線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="捐贈人數排行前10的人均捐贈數目",pos_left='left',pos_top='center',title_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman',font_size=20,color='black',)),#一定程度上反應了州的經濟水平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, # 刻度線是否在內側),axislabel_opts=opts.LabelOpts(font_size=12,font_family='Times New Roman',formatter="{value}" # y軸顯示方式以數據形式),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最多的也是捐款人數top10的州中人均捐款最多的,側面看出加利福尼亞州經濟應該比較好,于是我查詢了2020年美國各州的GDP數據,發現加利福利亞州確實始終是美國經濟最好的地方.其實我們熟知的硅谷就在加利福利亞州.另外很多世界TOP企業也在加利福利亞,列如APPLE,FACEBOOK,谷歌等等

另外我們分析到的數據中排名第二的紐約州也在GDPtop3的位置,我們也注意到捐贈數多的不一定經濟發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判斷州的經濟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"),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,或者發生了一些特殊的事情
于是我查詢資料發現,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,所以出現大的波動很正常

9.分析過去一個月中總捐贈額top10的職業每天捐贈流入情況

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),) )

同樣發現27號這一天也是職業捐助不平常的一天,FOUNDER(創始人,這里看為資本家吧,畢竟特朗普也是商人)

10.分析總捐贈數top10的日期總捐贈人數和總捐贈數變化

# #先取出數據量前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/總捐款數"),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:

發現異常數據8.3號和8.8號這兩天捐贈人數和捐贈數成反比例分布
所以我們單獨對8.3號和8.8號這兩天單獨分析
11.分析其中產生差錯的原因

#一般認為捐款的人數越多其捐款總數就會越大但是發現有兩天人數與捐款數差距，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) )

結果如下:


分析圖1我們發現其中8-3號這天,主力職業(RETIRED,NOT EMPLOYED)流入增加,并結合圖二發現這一天還有高薪職業的流入,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的流入所以導致其人數減少捐贈數增加,相反8-8號這天,主力職業減少,并且相對正常的7-25號各職業個人占比都沒有特別明顯增加,使得這一天雖然人數增加,但是總捐贈減少.

END…
創作不易留下你的三連吧!

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。