数据分析案例（2012联邦选举委员会数据）

美国联邦选举委员会发布了有关政治竞选赞助方面的数据。其中包括赞助者的姓名、职业、雇主、地址以及出资额等信息

fec = pd.read_csv('datasets/fec/P00000001-ALL.csv')

数据加载

通过unique，你可以获取全部的候选人名单

unique_cands = fec.cand_nm.unique()

候选人名单

指明党派信息的方法之一是使用字典

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'}

根据候选人姓名得到一组党派信息

fec.cand_nm[123456:123461] 

fec.cand_nm[123456:123461].map(parties) 

fec['party'] = fec.cand_nm.map(parties)

 (fec.contb_receipt_amt > 0).value_counts() 

党派信息

只包含Barack Obama和Mitt Romney竞选活动的赞助信息

Barack Obama和Mitt Romney竞选活动的赞助信息

根据职业和雇主统计赞助信息

基于职业的赞助信息统计是另一种经常被研究的统计任务

fec.contbr_occupation.value_counts()[:10] 

基于职业的赞助信息统计

对职业信息进行清理

occ_mapping = {'INFORMATION REQUESTED PER BEST EFFORTS' : 'NOT PROVIDED',
               'INFORMATION REQUESTED' : 'NOT PROVIDED',
               'INFORMATION REQUESTED (BEST EFFORTS)' : 'NOT PROVIDED',
               'C.E.O.': 'CEO' }

# If no mapping provided, return x 
f = lambda x: occ_mapping.get(x, x)
fec.contbr_occupation = fec.contbr_occupation.map(f)

对职业信息进行清理

对雇主信息进行清理

emp_mapping = {'INFORMATION REQUESTED PER BEST EFFORTS' : 'NOT PROVIDED',
   'INFORMATION REQUESTED' : 'NOT PROVIDED',
   'SELF' : 'SELF-EMPLOYED',
   'SELF EMPLOYED' : 'SELF-EMPLOYED', }

# If no mapping provided, return x 
f = lambda x: emp_mapping.get(x, x) 
fec.contbr_employer = fec.contbr_employer.map(f)

对雇主信息进行清理

通过pivot_table根据党派和职业对数据进行聚合，然后过滤掉总出资额不足200万美元的数据

by_occupation = fec.pivot_table('contb_receipt_amt',index='contbr_occupation',columns='party', aggfunc='sum')

over_2mm = by_occupation[by_occupation.sum(1) > 2000000]

聚合过滤

over_2mm.plot(kind='barh')

绘制图表

对Obama和Romney总出资额高的职业和企业

def get_top_amounts(group, key, n=5):
    totals = group.groupby(key)['contb_receipt_amt'].sum()
    return totals.nlargest(n)

根据职业和雇主进行聚合

grouped = fec_mrbo.groupby('cand_nm')

根据职业和雇主进行聚合

对出资额分组

利用cut函数根据出资额的大小将数据离散化到多个面元中

bins = np.array([0, 1, 10, 100, 1000, 10000,100000, 1000000, 10000000])

labels = pd.cut(fec_mrbo.contb_receipt_amt, bins)

划分面元

根据候选人姓名以及面元标签对奥巴马和罗姆尼数据进行分组，以得到一个柱状图

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

从这个数据中可以看出，在小额赞助方面，Obama获得的数量比Romney多得多, 还可以对出资额求和并在面元内规格化，以便图形化显示两位候选人各种赞助额度的比例

bucket_sums = grouped.contb_receipt_amt.sum().unstack(0)

normed_sums = bucket_sums.div(bucket_sums.sum(axis=1), axis=0)

图形化显示两位候选人各种赞助额度的比例