第十四章 数据分析示例

注：本章示例数据集可在附带的GitHub仓库（http://github.com/wesm/pydata-book）中找到

---

14.5 2012年联邦选举委员会数据库

       美国联邦选举委员会公布了有关政治运动贡献的数据。这些数据包括捐赠者姓名、职业和雇主、地址和缴费金额。一个有趣的数据来自2012年美国总统大选。我在2012年6月下载的一个数据集版本是一个150兆字节的CSV文件P00000001-ALL.csv（请参阅本书的数据存储库）

1.使用pandas.read_csv载入数据（见图14-1）

图14-1：载入数据

2.观察样本记录（见图14-2）

图14-2：样本记录

3.使用unique获得所有不同的政治候选人名单（见图14-3）

图14-3：候选人名单

4.使用相应的字典表示政党背景（见图14-4）

图14-4：表示政党背景

5.在Series对象上使用map方法和上述的映射关系，从候选人姓名中计算出政党的数组（见图14-5）

图14-5：计算政党数组

6.数据准备要点（见图14-6）

图14-6：数据分析要点

---

14.5.1 按职业和雇主的捐献统计

       根据职业分析捐献是一个常见的统计分析。例如，律师（法律代理人）倾向于捐更多的钱给民主党，而商务人士则倾向于捐更多的钱给共和党。你没有任何理由相信我，你可以自己看数据。

1.首先，获得按职业的捐献总数（见图14-7）

图14-7：按职业捐献总数

2.通过将一种工作匹配到另一种来清理工作种类（见图14-8）

图14-8：清理工作种类

注：使用dict.get存在一种"陷阱"，允许没有映射的职业"通过"

3.使用pivot_table按党派和职业聚合数据，然后过滤出至少捐赠200万美元的子集（见图14-9）

图14-9：聚合、过滤

4.以条形图的方式进行数据可视化更为简单（'barh’表示水平条形图，参见图14-10）

图14-10：按党派划分各职业捐赠总量

5.按候选人名称进行分组，并使用本章前面的top方法的变体（见图14-11）

图14-11：分组函数

6.按职业和雇主进行聚合（见图14-12）

图14-12：聚合

---

14.5.2 捐赠金额分桶

1.使用cut函数将贡献者的数量按贡献大小离散化分桶（见图14-13）

图14-13：分桶

2.将Obama和Romney的数据按名称和分类标签进行分组（见图14-14）

图14-14：分组

3.对捐款数额进行求和并在桶内进行归一化，以便对按候选人划分的捐款总额百分比进行可视化（见图14-15）

图14-15：不同捐赠规模的候选人收到的捐赠总额的百分比

注：排除了两个最大的箱体，因为这些箱体不是由个人捐赠的。

       这种分析可以通过多种方式进行改进和提高。例如，你可以通过捐助者姓名和邮政编码聚合捐款，以便为那些进行很多次小额捐赠的人进行调整，他们并不会进行大型捐赠。

---

14.5.3 按州进行捐赠统计

1.将数据按照候选人和州进行聚合（见图14-16）

图14-16：  将数据按照候选人和州进行聚合

2.将每一行除以捐款总额，得到每个候选人按州的捐赠总额的相对百分比（见图14-17）

图14-17：每个候选人按州的捐赠总额的相对百分比