■ 图1 2016美国总统大选数据集

本案例的数据文件中可以用于每个月民意调查统计的数据有3列。其中enddate属性表示统计选票数据的结束日期；rawpoll_clinton和rawpoll_trump属性分别表示克林顿和特朗普在这一天获得的选票数。因此，本案例的任务是从enddate属性中提取年份和月份，然后将rawpoll_clinton和rawpoll_trump属性的取值以月份为单位进行统计。

3

实现代码

基于扩展库pandas的Python实现代码如下所示：

代码8~9行使用扩展库pandas提供的to_datetime函数可以将格式不统一的日期字符串转换为Series对象，其中Series对象的值是形如“yyyy-mm-dd”格式的时间日期型标准化数据，然后使用to_period("M")方法将时刻向量df_data["enddate"].dt转换成形如“yyyy-mm”的时期数据。

4

运行结果可视化分析

运行以上代码可视化结果如图2所示。

■ 图2美国总统大选数据可视化

从图2可以看出，基于原始数据的选票统计信息中，克林顿（Clinton）获得的选票数量与川普（Trump）旗鼓相当，有些时间段克林顿获得的选票数量比川普还略胜一筹。然而，在调整后的选票数量对比中发现，克林顿的选票优势逐渐下降，有些时间段比川普获得的选票数量稍逊一筹。这也许就是部分民众对川普2016年当选美国总统颇有微词的可能原因之一吧。

显然，由于扩展库pandas提供了大量用于数据清洗和数据分析的函数和对象方法，使得数据分析工作快捷而有效。对比发现，数值计算工具numpy更擅长科学计算应用，而基于扩展库numpy的数据分析工具pandas更擅长简洁而有效的专业化数据分析工作。

5

源代码下载及运行

关注微信公众号，后台回复关键词 “美国总统大选数据可视化分析” 即可获得完整源代码。

6

参考书籍

《Python数据分析案例教程（微课版）》

作者：于晓梅 李贞 郑向伟 朱磊

定价：99.9元

内容简介

本书内容从Python基础到扩展库，从编程到数据分析，再到机器学习和深度学习，循序渐进，逐步推进知识点的实际应用。首先简要介绍数据分析相关概念和Python基础知识；然后按照数据分析的主要步骤，重点介绍数据获取、数据预处理、数据分析、数据可视化以及机器学习过程相关的扩展库，包括beautifulsoup4、numpy、matplotlib、pandas、pyecharts和sklearn等；最后将Python数据分析知识和实用案例有机结合，通过大量的实用案例演示相关理论和Python语言的应用。本书适合作为高等院校本科生、研究生数据分析等课程的教材，也可以作为数据分析初学者的自学用书，还适合从事相关工作的工程师和爱好者阅读。返回搜狐，查看更多