用Pandas分析了75w多条数据，揭秘美国选民的总统喜好

川长思鸟来 2022-11-20 13:59 65阅读 0赞

**来源：天池大数据科研平台**

**原文：https://tianchi.aliyun.com/notebook-ai/detail?&postId=137714**

1、实战前准备

#### 1.1 前言 ####

本文通过Pandas分析了美国选民2020.7.22-2020.8.20期间的75w+条捐赠数据，分析揭秘美国选民对总统候选人的喜好，主要带领读者利用Python进行数据分析以及数据可视化，包含数据集的处理、数据探索与清晰、数据分析、数据可视化四部分，利用pandas、matplotlib、wordcloud等第三方库带大家玩转数据分析～  
项目地址：

https://tianchi.aliyun.com/competition/entrance/531837/introduction

#### 1.2 数据集来源介绍 ####

**「所有候选人信息(`weball20.txt`)」**  
该文件为每个候选人提供一份记录，并显示候选人的信息、总收入、从授权委员会收到的转账、付款总额、给授权委员会的转账、库存现金总额、贷款和债务以及其他财务汇总信息。  
数据字段描述详细:https://www.fec.gov/campaign-finance-data/all-candidates-file-description/  
关键字段说明

*  CAND\_ID 候选人ID
 *  CAND\_NAME 候选人姓名
 *  CAND\_PTY\_AFFILIATION 候选人党派

数据来源:https://www.fec.gov/files/bulk-downloads/2020/weball20.zip

**「候选人委员会链接信息(`ccl.txt`)」**  
该文件显示候选人的身份证号码、候选人的选举年份、联邦选举委员会选举年份、委员会识别号、委员会类型、委员会名称和链接标识号。  
信息描述详细:https://www.fec.gov/campaign-finance-data/candidate-committee-linkage-file-description/  
关键字段说明

*  CAND\_ID 候选人ID
 *  CAND\_ELECTION\_YR 候选人选举年份
 *  CMTE\_ID 委员会ID

数据来源:https://www.fec.gov/files/bulk-downloads/2020/ccl20.zip

**「个人捐款档案信息(`itcont_2020_20200722_20200820.txt`)」**  
【注意】由于文件较大，本数据集只包含2020.7.22-2020.8.20的相关数据，如果需要更全数据可以通过数据来源中的地址下载。  
该文件包含有关收到捐款的委员会、披露捐款的报告、提供捐款的个人、捐款日期、金额和有关捐款的其他信息。  
信息描述详细:https://www.fec.gov/campaign-finance-data/contributions-individuals-file-description/  
关键字段说明

*  CMTE\_ID 委员会ID
 *  NAME 捐款人姓名
 *  CITY 捐款人所在市
 *  State 捐款人所在州
 *  EMPLOYER 捐款人雇主/公司
 *  OCCUPATION 捐款人职业

数据来源:https://www.fec.gov/files/bulk-downloads/2020/indiv20.zip

#### 1.3 需要提前安装的包 ####

# 安装词云处理包wordcloud
    pip install wordcloud
    # 数据可视化包matplotlib
    pip install matplotlib
    # 数据处理包pandas
    pip install pandas

#### 1.4 需要提前下载好数据集 ####

**「方法一：」** 本文相关数据集国内下载地址如下，访问后即可直接下载到本地：

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79412

![format_png][]

然后在本地复现本文案例代码；  
**「方法二：」** 你也可以直接点击**「阅读原文」**或**「访问下方链接」**报名参与相关学习赛：

https://tianchi.aliyun.com/competition/entrance/531837/introduction

然后`Fork`赛事论坛的baseline到你的天池实验室，并点击`编辑`按钮就可以成功跳转到DSW在线编程环境了，你可以直接在哪里进行编程和数据集下载，更加方便。本案例数据集`2020_US_President_political_contributions`。  
![format_png 1][]

### 2、数据处理 ###

进行数据处理前，我们需要知道我们最终想要的数据是什么样的，因为我们是想分析候选人与捐赠人之间的关系，所以我们想要一张数据表中有捐赠人与候选人一一对应的关系，所以需要将目前的三张数据表进行一一关联，汇总到需要的数据。

#### 2.1 将委员会和候选人一一对应，通过`CAND_ID`关联两个表 ####

由于候选人和委员会的联系表中无候选人姓名，只有候选人ID（`CAND_ID`），所以需要通过`CAND_ID`从候选人表中获取到候选人姓名，最终得到候选人与委员会联系表`ccl`。

# 导入相关处理包
    import pandas as pd

# 读取候选人信息，由于原始数据没有表头，需要添加表头
    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'])
    # 读取候选人和委员会的联系信息
    ccl = pd.read_csv("ccl.txt", sep = '|',names=['CAND_ID','CAND_ELECTION_YR','FEC_ELECTION_YR','CMTE_ID','CMTE_TP','CMTE_DSGN','LINKAGE_ID'])

# 关联两个表数据
    ccl = pd.merge(ccl,candidates)
    # 提取出所需要的列
    ccl = pd.DataFrame(ccl, columns=[ 'CMTE_ID','CAND_ID', 'CAND_NAME','CAND_PTY_AFFILIATION'])

数据字段说明：

*  CMTE\_ID：委员会ID
 *  CAND\_ID：候选人ID
 *  CAND\_NAME：候选人姓名
 *  CAND\_PTY\_AFFILIATION：候选人党派

# 查看目前ccl数据前10行
    ccl.head(10)

<table> 
 <thead> 
  <tr> 
   <th><br></th> 
   <th>CMTE_ID</th> 
   <th>CAND_ID</th> 
   <th>CAND_NAME</th> 
   <th>CAND_PTY_AFFILIATION</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <th>0</th> 
   <td>C00697789</td> 
   <td>H0AL01055</td> 
   <td>CARL, JERRY LEE, JR</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>1</th> 
   <td>C00701557</td> 
   <td>H0AL01063</td> 
   <td>LAMBERT, DOUGLAS WESTLEY III</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>2</th> 
   <td>C00701409</td> 
   <td>H0AL01071</td> 
   <td>PRINGLE, CHRISTOPHER PAUL</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>3</th> 
   <td>C00703066</td> 
   <td>H0AL01089</td> 
   <td>HIGHTOWER, BILL</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>4</th> 
   <td>C00708867</td> 
   <td>H0AL01097</td> 
   <td>AVERHART, JAMES</td> 
   <td>DEM</td> 
  </tr> 
  <tr> 
   <th>5</th> 
   <td>C00710947</td> 
   <td>H0AL01105</td> 
   <td>GARDNER, KIANI A</td> 
   <td>DEM</td> 
  </tr> 
  <tr> 
   <th>6</th> 
   <td>C00722512</td> 
   <td>H0AL01121</td> 
   <td>CASTORANI, JOHN</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>7</th> 
   <td>C00725069</td> 
   <td>H0AL01139</td> 
   <td>COLLINS, FREDERICK G. RICK'</td> 
   <td>DEM</td> 
  </tr> 
  <tr> 
   <th>8</th> 
   <td>C00462143</td> 
   <td>H0AL02087</td> 
   <td>ROBY, MARTHA</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>9</th> 
   <td>C00493783</td> 
   <td>H0AL02087</td> 
   <td>ROBY, MARTHA</td> 
   <td>REP</td> 
  </tr> 
 </tbody> 
</table>

#### 2.2 将候选人和捐赠人一一对应，通过`CMTE_ID`关联两个表 ####

通过`CMTE_ID`将目前处理好的候选人和委员会关系表与人捐款档案表进行关联，得到候选人与捐赠人一一对应联系表`cil`。

python基础 爬虫、数据分析

# 读取个人捐赠数据，由于原始数据没有表头，需要添加表头
    # 提示：读取本文件大概需要5-10s
    itcont = 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'])

/opt/conda/lib/python3.6/site-packages/IPython/core/interactiveshell.py:3058: DtypeWarning: Columns (10,15,16,18) have mixed types. Specify dtype option on import or set low_memory=False.
      interactivity=interactivity, compiler=compiler, result=result)

# 将候选人与委员会关系表ccl和个人捐赠数据表itcont合并，通过 CMTE_ID
    c_itcont =  pd.merge(ccl,itcont)
    # 提取需要的数据列
    c_itcont = pd.DataFrame(c_itcont, columns=[ 'CAND_NAME','NAME', 'STATE','EMPLOYER','OCCUPATION',
                                               'TRANSACTION_AMT', 'TRANSACTION_DT','CAND_PTY_AFFILIATION'])

**「数据说明」**

*  CAND\_NAME – 接受捐赠的候选人姓名
 *  NAME – 捐赠人姓名
 *  STATE – 捐赠人所在州
 *  EMPLOYER – 捐赠人所在公司
 *  OCCUPATION – 捐赠人职业
 *  TRANSACTION\_AMT – 捐赠数额（美元）
 *  TRANSACTION\_DT – 收到捐款的日期
 *  CAND\_PTY\_AFFILIATION – 候选人党派

# 查看目前数据前10行
    c_itcont.head(10)

<table> 
 <thead> 
  <tr> 
   <th><br></th> 
   <th>CAND_NAME</th> 
   <th>NAME</th> 
   <th>STATE</th> 
   <th>EMPLOYER</th> 
   <th>OCCUPATION</th> 
   <th>TRANSACTION_AMT</th> 
   <th>TRANSACTION_DT</th> 
   <th>CAND_PTY_AFFILIATION</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <th>0</th> 
   <td>MORGAN, JOSEPH DAVID</td> 
   <td>MARTIN, WILLIAM II</td> 
   <td>AZ</td> 
   <td>RETIRED</td> 
   <td>RETIRED</td> 
   <td>100</td> 
   <td>7242020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>1</th> 
   <td>MORGAN, JOSEPH DAVID</td> 
   <td>RODRIGUEZ, GERARDO</td> 
   <td>AZ</td> 
   <td>VA HOSPITAL</td> 
   <td>LAB TECH</td> 
   <td>40</td> 
   <td>7242020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>2</th> 
   <td>MORGAN, JOSEPH DAVID</td> 
   <td>RODRIGUEZ, GERARDO</td> 
   <td>AZ</td> 
   <td>VA HOSPITAL</td> 
   <td>LAB TECH</td> 
   <td>40</td> 
   <td>7312020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>3</th> 
   <td>WOOD, DANIEL</td> 
   <td>HOPKINS, RICHARD</td> 
   <td>AZ</td> 
   <td>POWERS-LEAVITT</td> 
   <td>INSURANCE AGENT</td> 
   <td>300</td> 
   <td>8102020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>4</th> 
   <td>WOOD, DANIEL</td> 
   <td>PENDLETON, DIANE</td> 
   <td>AZ</td> 
   <td>UNEMPLOYED</td> 
   <td>NaN</td> 
   <td>500</td> 
   <td>8072020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>5</th> 
   <td>WOOD, DANIEL</td> 
   <td>PREVATT, WILLIAM</td> 
   <td>AZ</td> 
   <td>SELF-EMPLOYED</td> 
   <td>DVM</td> 
   <td>500</td> 
   <td>7312020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>6</th> 
   <td>WOOD, DANIEL</td> 
   <td>HARDING, DOUG</td> 
   <td>AZ</td> 
   <td>MICROSURE</td> 
   <td>OPERATIONS MANAGER</td> 
   <td>2800</td> 
   <td>8102020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>7</th> 
   <td>WOOD, DANIEL</td> 
   <td>HARDING, MARI</td> 
   <td>AZ</td> 
   <td>NaN</td> 
   <td>NaN</td> 
   <td>1400</td> 
   <td>8152020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>8</th> 
   <td>WOOD, DANIEL</td> 
   <td>HEDGER, CYNTHIA</td> 
   <td>TX</td> 
   <td>NaN</td> 
   <td>NaN</td> 
   <td>200</td> 
   <td>7312020</td> 
   <td>REP</td> 
  </tr> 
  <tr> 
   <th>9</th> 
   <td>HUANG, PEGGY</td> 
   <td>HUANG - PERSONAL FUNDS, PEGGY</td> 
   <td>CA</td> 
   <td>OFFICE OF THE ATTORNEY GENERAL</td> 
   <td>DEPUTY ATTORNEY GENERAL</td> 
   <td>2600</td> 
   <td>7252020</td> 
   <td>REP</td> 
  </tr> 
 </tbody> 
</table>

### 3、数据探索与清洗 ###

进过数据处理部分，我们获得了可用的数据集，现在我们可以利用调用`shape`属性查看数据的规模，调用`info`函数查看数据信息，调用`describe`函数查看数据分布。

# 查看数据规模 多少行 多少列
    c_itcont.shape

(756205, 8)

# 查看整体数据信息，包括每个字段的名称、非空数量、字段的数据类型
    c_itcont.info()

<class 'pandas.core.frame.DataFrame'>
    Int64Index: 756205 entries, 0 to 756204
    Data columns (total 8 columns):
    CAND_NAME               756205 non-null object
    NAME                    756205 non-null object
    STATE                   756160 non-null object
    EMPLOYER                737413 non-null object
    OCCUPATION              741294 non-null object
    TRANSACTION_AMT         756205 non-null int64
    TRANSACTION_DT          756205 non-null int64
    CAND_PTY_AFFILIATION    756205 non-null object
    dtypes: int64(2), object(6)
    memory usage: 51.9+ MB

通过上面的探索我们知道目前数据集的一些基本情况，目前数据总共有756205行，8列，总占用内存51.9+MB，`STATE`、`EMPLOYER`、`OCCUPATION`有缺失值，另外日期列目前为int64类型，需要进行转换为str类型。

#空值处理，统一填充 NOT PROVIDED
    c_itcont['STATE'].fillna('NOT PROVIDED',inplace=True)
    c_itcont['EMPLOYER'].fillna('NOT PROVIDED',inplace=True)
    c_itcont['OCCUPATION'].fillna('NOT PROVIDED',inplace=True)

# 对日期TRANSACTION_DT列进行处理
    c_itcont['TRANSACTION_DT'] = c_itcont['TRANSACTION_DT'] .astype(str)
    # 将日期格式改为年月日  7242020 
    c_itcont['TRANSACTION_DT'] = [i[3:7]+i[0]+i[1:3] for i in c_itcont['TRANSACTION_DT'] ]

# 再次查看数据信息
    c_itcont.info()

<class 'pandas.core.frame.DataFrame'>
    Int64Index: 756205 entries, 0 to 756204
    Data columns (total 8 columns):
    CAND_NAME               756205 non-null object
    NAME                    756205 non-null object
    STATE                   756205 non-null object
    EMPLOYER                756205 non-null object
    OCCUPATION              756205 non-null object
    TRANSACTION_AMT         756205 non-null int64
    TRANSACTION_DT          756205 non-null object
    CAND_PTY_AFFILIATION    756205 non-null object
    dtypes: int64(1), object(7)
    memory usage: 51.9+ MB

# 查看数据前3行
    c_itcont.head(3)

# 查看数据表中数据类型的列的数据分布情况
    c_itcont.describe()

<table> 
 <thead> 
  <tr> 
   <th><br></th> 
   <th>TRANSACTION_AMT</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <th>count</th> 
   <td>7.562050e+05</td> 
  </tr> 
  <tr> 
   <th>mean</th> 
   <td>1.504307e+02</td> 
  </tr> 
  <tr> 
   <th>std</th> 
   <td>2.320452e+03</td> 
  </tr> 
  <tr> 
   <th>min</th> 
   <td>-5.600000e+03</td> 
  </tr> 
  <tr> 
   <th>25%</th> 
   <td>2.000000e+01</td> 
  </tr> 
  <tr> 
   <th>50%</th> 
   <td>3.500000e+01</td> 
  </tr> 
  <tr> 
   <th>75%</th> 
   <td>1.000000e+02</td> 
  </tr> 
  <tr> 
   <th>max</th> 
   <td>1.500000e+06</td> 
  </tr> 
 </tbody> 
</table>

# 查看单列的数据发布情况
    c_itcont['CAND_NAME'].describe()

count                 756205
    unique                   312
    top       BIDEN, JOSEPH R JR
    freq                  507816
    Name: CAND_NAME, dtype: object

### 4、数据分析 ###

# 计算每个党派的所获得的捐款总额，然后排序，取前十位
    c_itcont.groupby("CAND_PTY_AFFILIATION").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)

<table> 
 <thead> 
  <tr> 
   <th><br></th> 
   <th>TRANSACTION_AMT</th> 
  </tr> 
  <tr> 
   <th>CAND_PTY_AFFILIATION</th> 
   <th><br></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <th>DEM</th> 
   <td>75961730</td> 
  </tr> 
  <tr> 
   <th>REP</th> 
   <td>37170653</td> 
  </tr> 
  <tr> 
   <th>IND</th> 
   <td>328802</td> 
  </tr> 
  <tr> 
   <th>LIB</th> 
   <td>169202</td> 
  </tr> 
  <tr> 
   <th>DFL</th> 
   <td>76825</td> 
  </tr> 
  <tr> 
   <th>GRE</th> 
   <td>18607</td> 
  </tr> 
  <tr> 
   <th>NON</th> 
   <td>11256</td> 
  </tr> 
  <tr> 
   <th>UNK</th> 
   <td>10195</td> 
  </tr> 
  <tr> 
   <th>CON</th> 
   <td>4117</td> 
  </tr> 
  <tr> 
   <th>BDY</th> 
   <td>3250</td> 
  </tr> 
 </tbody> 
</table>

# 计算每个总统候选人所获得的捐款总额，然后排序，取前十位
    c_itcont.groupby("CAND_NAME").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)

<table> 
 <thead> 
  <tr> 
   <th><br></th> 
   <th>TRANSACTION_AMT</th> 
  </tr> 
  <tr> 
   <th>CAND_NAME</th> 
   <th><br></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <th>BIDEN, JOSEPH R JR</th> 
   <td>68111142</td> 
  </tr> 
  <tr> 
   <th>TRUMP, DONALD J.</th> 
   <td>16594982</td> 
  </tr> 
  <tr> 
   <th>SULLIVAN, DAN</th> 
   <td>9912465</td> 
  </tr> 
  <tr> 
   <th>JACOBS, CHRISTOPHER L.</th> 
   <td>6939209</td> 
  </tr> 
  <tr> 
   <th>BLOOMBERG, MICHAEL R.</th> 
   <td>3451916</td> 
  </tr> 
  <tr> 
   <th>MARKEY, EDWARD J. SEN.</th> 
   <td>606832</td> 
  </tr> 
  <tr> 
   <th>SHAHEEN, JEANNE</th> 
   <td>505446</td> 
  </tr> 
  <tr> 
   <th>KENNEDY, JOSEPH P III</th> 
   <td>467738</td> 
  </tr> 
  <tr> 
   <th>CORNYN, JOHN SEN</th> 
   <td>345959</td> 
  </tr> 
  <tr> 
   <th>FIGLESTHALER, WILLIAM MATTHEW MD</th> 
   <td>258221</td> 
  </tr> 
 </tbody> 
</table>

获得捐赠最多的党派有`DEM(民主党)`、`REP(共和党)`，分别对应`BIDEN, JOSEPH R JR(拜登)`和`TRUMP, DONALD J.(特朗普)`，从我们目前分析的2020.7.22-2020.8.20这一个月的数据来看，在选民的捐赠数据中拜登代表的民主党完胜特朗普代表的共和党，由于完整数据量过大，所以没有对所有数据进行汇总分析，因此也不能确定11月大选公布结果就一定是拜登当选

# 查看不同职业的人捐款的总额，然后排序，取前十位
    c_itcont.groupby('OCCUPATION').sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)

<table> 
 <thead> 
  <tr> 
   <th><br></th> 
   <th>TRANSACTION_AMT</th> 
  </tr> 
  <tr> 
   <th>OCCUPATION</th> 
   <th><br></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <th>NOT EMPLOYED</th> 
   <td>24436214</td> 
  </tr> 
  <tr> 
   <th>RETIRED</th> 
   <td>18669950</td> 
  </tr> 
  <tr> 
   <th>NOT PROVIDED</th> 
   <td>5089355</td> 
  </tr> 
  <tr> 
   <th>ATTORNEY</th> 
   <td>4443569</td> 
  </tr> 
  <tr> 
   <th>FOUNDER</th> 
   <td>3519109</td> 
  </tr> 
  <tr> 
   <th>PHYSICIAN</th> 
   <td>3295595</td> 
  </tr> 
  <tr> 
   <th>CONSULTANT</th> 
   <td>1647033</td> 
  </tr> 
  <tr> 
   <th>LAWYER</th> 
   <td>1565976</td> 
  </tr> 
  <tr> 
   <th>PROFESSOR</th> 
   <td>1481260</td> 
  </tr> 
  <tr> 
   <th>EXECUTIVE</th> 
   <td>1467865</td> 
  </tr> 
 </tbody> 
</table>

# 查看每个职业捐款人的数量
    c_itcont['OCCUPATION'].value_counts().head(10)

NOT EMPLOYED    224109
    RETIRED         151834
    ATTORNEY         19666
    NOT PROVIDED     14912
    PHYSICIAN        14033
    CONSULTANT        8333
    PROFESSOR         8022
    TEACHER           8013
    ENGINEER          7922
    SALES             6435
    Name: OCCUPATION, dtype: int64

从捐款人的职业这个角度分析，我们会发现`NOT EMPLOYED(自由职业)`的总捐赠额是最多，通过查看每个职业捐赠的人数来看，我们就会发现是因为`NOT EMPLOYED(自由职业)`人数多的原因，另外退休人员捐款人数也特别多，所以捐款总数对应的也多，其他比如像：律师、创始人、医生、顾问、教授、主管这些高薪人才虽然捐款总人数少，但是捐款总金额也占据了很大比例。

# 每个州获捐款的总额，然后排序，取前五位
    c_itcont.groupby('STATE').sum().sort_values("TRANSACTION_AMT",ascending=False).head(5)

<table> 
 <thead> 
  <tr> 
   <th><br></th> 
   <th>TRANSACTION_AMT</th> 
  </tr> 
  <tr> 
   <th>STATE</th> 
   <th><br></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <th>CA</th> 
   <td>19999115</td> 
  </tr> 
  <tr> 
   <th>NY</th> 
   <td>11468537</td> 
  </tr> 
  <tr> 
   <th>FL</th> 
   <td>8128789</td> 
  </tr> 
  <tr> 
   <th>TX</th> 
   <td>8101871</td> 
  </tr> 
  <tr> 
   <th>MA</th> 
   <td>5187957</td> 
  </tr> 
 </tbody> 
</table>

# 查看每个州捐款人的数量
    c_itcont['STATE'].value_counts().head(5)

CA    127895
    TX     54457
    FL     54343
    NY     49453
    MA     29314
    Name: STATE, dtype: int64

最后查看每个州的捐款总金额，我们会发现`CA(加利福利亚)`、`NY(纽约)`、`FL(弗罗里达)`这几个州的捐款是最多的，在捐款人数上也是在Top端，另一方面也凸显出这些州的经济水平发达。大家也可以通过数据查看下上面列举的高端职业在各州的分布情况，进行进一步的分析探索。

### 4、数据可视化 ###

首先导入相关Python库

# 导入matplotlib中的pyplot
    import matplotlib.pyplot as plt
    # 为了使matplotlib图形能够内联显示
    %matplotlib inline
    # 导入词云库
    from wordcloud import WordCloud,ImageColorGenerator

#### 4.1 按州总捐款数和总捐款人数柱状图 ####

# 各州总捐款数可视化
    st_amt = c_itcont.groupby('STATE').sum().sort_values("TRANSACTION_AMT",ascending=False)[:10]
    st_amt=pd.DataFrame(st_amt, columns=['TRANSACTION_AMT'])
    st_amt.plot(kind='bar')

<AxesSubplot:xlabel='STATE'>

![format_png 2][]

#### 4.2 各州捐款总人数可视化 ####

# 各州捐款总人数可视化，取前10个州的数据
    st_amt = c_itcont.groupby('STATE').size().sort_values(ascending=False).head(10)
    st_amt.plot(kind='bar')

<AxesSubplot:xlabel='STATE'>

![format_png 3][]

#### 4.3 热门候选人拜登在各州的获得的捐赠占比 ####

# 从所有数据中取出支持拜登的数据
    biden = c_itcont[c_itcont['CAND_NAME']=='BIDEN, JOSEPH R JR']
    # 统计各州对拜登的捐款总数
    biden_state = biden.groupby('STATE').sum().sort_values("TRANSACTION_AMT", ascending=False).head(10)
    # 饼图可视化各州捐款数据占比
    biden_state.plot.pie(figsize=(10, 10),autopct='%0.2f%%',subplots=True)

array([<AxesSubplot:ylabel='TRANSACTION_AMT'>], dtype=object)

![format_png 4][]

#### 4.3 总捐最多的候选人捐赠者词云图 ####

通过数据分析中获得捐赠总额前三的候选人统计中可以看出拜登在2020.7.22-2020.8.20这期间获得捐赠的总额是最多的，所以我们以拜登为原模型，制作词云图。

![format_png 5][]

# 首先下载图片模型,这里提供的是已经处理好的图片，有兴趣的选手可以自己写代码进行图片处理
    # 处理结果要求：需要将人图像和背景颜色分离，并纯色填充，词云才会只显示在人图像区域
    # 拜登原图：https://img.alicdn.com/tfs/TB1pUcwmZVl614jSZKPXXaGjpXa-689-390.jpg
    # 拜登处理后图片：https://img.alicdn.com/tfs/TB10Jx4pBBh1e4jSZFhXXcC9VXa-689-390.jpg
    # 特朗普原图：https://img.alicdn.com/tfs/TB1D0l4pBBh1e4jSZFhXXcC9VXa-298-169.jpg
    # 特朗普处理后图片：https://img.alicdn.com/tfs/TB1BoowmZVl614jSZKPXXaGjpXa-298-169.jpg
    # 在jupyter notebook下你可以直接用下面命令下载处理后的图片
    !wget https://img.alicdn.com/tfs/TB10Jx4pBBh1e4jSZFhXXcC9VXa-689-390.jpg

--2020-10-23 10:44:50--  https://img.alicdn.com/tfs/TB10Jx4pBBh1e4jSZFhXXcC9VXa-689-390.jpg
    Resolving img.alicdn.com (img.alicdn.com)... 101.37.183.187, 101.37.183.186
    Connecting to img.alicdn.com (img.alicdn.com)|101.37.183.187|:443... connected.
    HTTP request sent, awaiting response... 200 OK
    Length: 4236 (4.1K) [image/jpeg]
    Saving to: ‘TB10Jx4pBBh1e4jSZFhXXcC9VXa-689-390.jpg’
    
    100%[======================================>] 4,236       --.-K/s   in 0s      
    
    2020-10-23 10:44:50 (54.8 MB/s) - ‘TB10Jx4pBBh1e4jSZFhXXcC9VXa-689-390.jpg’ saved [4236/4236]

# 由于下载图片文件名过长，我们对文件名进行重命名
    import os
    os.rename('TB10Jx4pBBh1e4jSZFhXXcC9VXa-689-390.jpg', 'biden.jpg')

# 如果有兴趣，可以在上面下载原图后进行图片处理
    # 拜登原图：https://img.alicdn.com/tfs/TB1pUcwmZVl614jSZKPXXaGjpXa-689-390.jpg
    # 拜登处理后图片：https://img.alicdn.com/tfs/TB10Jx4pBBh1e4jSZFhXXcC9VXa-689-390.jpg
    '''
    欢迎大家评论区分享你的图片处理代码
    '''

# 在4.2 热门候选人拜登在各州的获得的捐赠占比 中我们已经取出了所有支持拜登的人的数据，存在变量：biden中
    # 将所有捐赠者姓名连接成一个字符串
    data = ' '.join(biden["NAME"].tolist())
    # 读取图片文件
    bg = plt.imread("biden.jpg")
    # 生成
    wc = WordCloud(# FFFAE3
        background_color="white",  # 设置背景为白色，默认为黑色
        width=890,  # 设置图片的宽度
        height=600,  # 设置图片的高度
        mask=bg,    # 画布
        margin=10,  # 设置图片的边缘
        max_font_size=100,  # 显示的最大的字体大小
        random_state=20,  # 为每个单词返回一个PIL颜色
    ).generate_from_text(data)
    # 图片背景
    bg_color = ImageColorGenerator(bg)
    # 开始画图
    plt.imshow(wc.recolor(color_func=bg_color))
    # 为云图去掉坐标轴
    plt.axis("off")
    # 画云图，显示
    # 保存云图
    wc.to_file("biden_wordcloud.png")

`<wordcloud.wordcloud.WordCloud at 0x7f64fca05400>`

![format_png 6][]

当然你还可以从很多其他角度去分析可视化数据，比如：  
**1、**按州总捐款热力地图  
**2、**收到捐赠额最多的两位候选人的总捐赠额变化趋势 等等。

本文为转载分享&推荐阅读，若侵权请联系后台删除

\-----------------

长按识别下方二维码，并关注公众号

![format_png 7][]

1.回复“**PY**”领取**1GB Python数据分析资料**

2.回复“**BG**”领取**5GB 名企数据分析报告**

[format_png]: /images/20221120/e98e4a17eab343b6b97e8d8635fa842a.png
[format_png 1]: /images/20221120/a3369cfe633449fc8a9b5c6e55aac276.png
[format_png 2]: /images/20221120/9b1fc6b574e943fab068ad8d01b2e590.png
[format_png 3]: /images/20221120/8be80d421d984aa0a77944393a62e1f2.png
[format_png 4]: /images/20221120/6e5b1f215fa94337a4d0ffe237cbb2cc.png
[format_png 5]: /images/20221120/843a8ddc63534757bdaafb24765ff71e.png
[format_png 6]: /images/20221120/220073d214d44475828b41f233b23474.png
[format_png 7]: /images/20221120/99aa6adfe41d47e69e9ffc4b2f090f4f.png