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