2012联邦选举委员会数据分析

本片分析来自于《利用python进行数据分析》，为巩固学习成果，我对其实践了一遍。

import pandas as pd

fec = pd.read_csv('datasets/fec/P00000001-ALL.csv')
fec.info() #读取文件并查看信息

可以看到这里都是表格的column的名字，cand_nm是选民支持的候选人，但这些列里没有候选人党派的标记，所以我们用Map函数添加一个党派的标记

unique_cands = unique_cands = fec.cand_nm.unique()#得到一个候选人名单列表
parties = {'Bachmann, Michelle': 'Republican',
           'Cain, Herman': 'Republican',
           'Gingrich, Newt': 'Republican',
           'Huntsman, Jon': 'Republican',
           'Johnson, Gary Earl': 'Republican',
           'McCotter, Thaddeus G': 'Republican',
           'Obama, Barack': 'Democrat',
           'Paul, Ron': 'Republican',
           'Pawlenty, Timothy': 'Republican',
           'Perry, Rick': 'Republican',
           "Roemer, Charles E. 'Buddy' III": 'Republican',
           'Romney, Mitt': 'Republican',
           'Santorum, Rick': 'Republican'}#创建一个映射字典
           
fec['party'] = fec.cand_nm.map(parties) #在表中添加一列叫PARTY并映射党派
fec.groupby('party').size() #现在我们看看两个党派的选民支持数量，对表进行聚合，统计数目

可以看见，*党支持的人数要多一些
由于数据中存在选民退出情况，所以有取出金额情况，这时候金额为负值，这里我们只计算正值。所以进行筛选

fec = fec[fec.contb_receipt_amt > 0]
fec.contbr_occupation.value_counts()[:10]#对选民的职业进行统计，显示前十位

我们可以看见，选民中退休的人是最多的，其次是信息不全的人，其次就是律师了。信息当中INFORMATION REQUESTED PER BEST EFFORTS，INFORMATION REQUESTED，INFORMATION REQUESTED (BEST EFFORTS)等都是没提供信息的意思，我们再用一个映射函数把他们改成相同的名字。

occ_mapping = {
   'INFORMATION REQUESTED PER BEST EFFORTS' : 'NOT PROVIDED',
   'INFORMATION REQUESTED' : 'NOT PROVIDED',
   'INFORMATION REQUESTED (BEST EFFORTS)' : 'NOT PROVIDED',
   'C.E.O.': 'CEO'
}
f = lambda x : occ_mapping.get(x,x)
 #这里用了一个小技巧，get(x,x)搜寻x，没搜寻到则返回x，
#即在occ_mapping里搜寻，没搜寻到就返回原名字x，搜寻到了就返回字典里对应的统一名字。
#这里的x输入是下面fec.contbr_occupation每一个名字，相当于对其进行一个遍历替换
fec.contbr_occupation = fec.contbr_occupation.map(f)

对雇主信息也进行同样的替换操作

emp_mapping = {
   'INFORMATION REQUESTED PER BEST EFFORTS' : 'NOT PROVIDED',
   'INFORMATION REQUESTED' : 'NOT PROVIDED',
   'SELF' : 'SELF-EMPLOYED',
   'SELF EMPLOYED' : 'SELF-EMPLOYED',
}
f = lambda x: emp_mapping.get(x, x)
fec.contbr_employer = fec.contbr_employer.map(f)

然后用数据透视表对各职业对两个党派的捐款，小的没有意义，直接看大的

by_occupation = fec.pivot_table('contb_receipt_amt',index='contbr_occupation' ,
                                columns='party',aggfunc='sum')
over_2mm = by_occupation[by_occupation.sum(1)>2000000]
over_2mm
over_2mm.plot(kind='barh')

我们想看看最大的捐款群体分别是谁

TOP10 = over_2mm.nlargest(10,columns=['Democrat','Republican'])
TOP10.plot(kind= 'barh')

我们还想看看威望最高的两位候选人分别的捐款情况

fec_mrbo = fec[fec.cand_nm.isin(['Obama, Barack','Romney, Mitt'])]
def get_top_amounts(group,key,n=5):
    totals = group.groupby(key)['contb_receipt_amt'].sum()
    return totals.nlargest(n)
grouped =  fec_mrbo.groupby('cand_nm')
top7 = grouped.apply(get_top_amounts, 'contbr_occupation', n=7)
top7

我们想对这些数据进行一个数据化对比表示，我们先对它进行分段操作，以便于对比

import numpy as np
bins = np.array([0,1,10,100,1000, 10000,
                 100000, 1000000, 10000000])
labels = pd.cut(fec_mrbo.contb_receipt_amt, bins) 
#对两位候选人的候选金额进行分段
labels

为了让数据更加直观，我们对这个分段标签和候选人进行聚合，以表示不同分段对不同候选人的支持人数

grouped = fec_mrbo.groupby(['cand_nm', labels])
grouped.size().unstack(0)

grouped.size().unstack(0).plot(kind='barh')

我们可以看到支持奥巴马的小额选民要多得多。但这样表现，大额选民的人数有但是基本看不见，下面我们用金额比例进行表示。

```python
bucket_sums = grouped.contb_receipt_amt.sum().unstack(0)#算各个分段两个候选人分别的资金
normed_sums = bucket_sums.div(bucket_sums.sum(axis=1), axis=0)#axis=1表示横向相加，这里用除法算比例。
normed_sums
normed_sums[:-2].plot(kind='barh')

总结
本篇分析主要在于对数据进行规整，然后做成数据透视表，对数据进行筛选和切片，以及对表中数据进行归一化处理，然后可视化出来。