2016年美國總統大選民意調查資料統計：

• 專案地址：https://www.kaggle.com/fivethirtyeight/2016-election-polls

• 該資料集包含了2015年11月至2016年11月期間對於2016美國大選的選票資料，共27列資料

示例程式碼1 ：

# loadtxt
import numpy as np

# csv 名逗號分隔值檔案
filename = './presidential_polls.csv'

# 通過loadtxt()讀取本地csv檔案 
data_array = np.loadtxt(filename,      #
 
 檔名
                        delimiter=',', # 分隔符
                        dtype=str,     # 資料型別，資料是Unicode字串
                        usecols=(0,2,3)) # 指定讀取的列號

# 列印ndarray資料，保留第一行
print(data_array, data_array.shape)

執行結果：

[["b'cycle'" "b'type'" "b'matchup'"]
 ["b'2016'" 'b\'"polls-plus"\'
 
' 'b\'"Clinton vs. Trump vs. Johnson"\'']
 ["b'2016'" 'b\'"polls-plus"\'' 'b\'"Clinton vs. Trump vs. Johnson"\'']
 ..., 
 ["b'2016'" 'b\'"polls-only"\'' 'b\'"Clinton vs. Trump vs. Johnson"\'']
 ["b'2016'" 'b\'"polls-only"\'' 'b\'"Clinton vs. Trump vs. Johnson"\'']
 ["b'2016'" 'b\'"polls-only"\'' 'b\'"Clinton vs. Trump vs. Johnson"\'
 
']] (10237, 3)

示例程式碼2：

import numpy as np
# 讀取列名，即第一行資料
with open(filename, 'r') as f:
    col_names_str = f.readline()[:-1] # [:-1]表示不讀取末尾的換行符'\n'

# 將字串拆分，並組成列表
col_name_lst = col_names_str.split(',')

# 使用的列名：結束時間，克林頓原始票數，川普原始票數，克林頓調整後票數，川普調整後票數
use_col_name_lst = ['enddate', 'rawpoll_clinton', 'rawpoll_trump','adjpoll_clinton', 'adjpoll_trump']

# 獲取相應列名的索引號
use_col_index_lst = [col_name_lst.index(use_col_name) for use_col_name in use_col_name_lst]

# 通過genfromtxt()讀取本地csv檔案，
data_array = np.genfromtxt(filename,      # 檔名
                        delimiter=',', # 分隔符
                        #skiprows=1,    # 跳過第一行，即跳過列名
                        dtype=str,     # 資料型別，資料不再是Unicode字串
                        usecols=use_col_index_lst)# 指定讀取的列索引號


# genfromtxt() 不能通過 skiprows 跳過第一行的
# ['enddate' 'rawpoll_clinton' 'rawpoll_trump' 'adjpoll_clinton' 'adjpoll_trump']

# 去掉第一行
data_array = data_array[1:]

# 列印ndarray資料
print(data_array[1:], data_array.shape)

執行結果：

[['10/30/2016' '45' '46' '43.29659' '44.72984']
 ['10/30/2016' '48' '42' '46.29779' '40.72604']
 ['10/24/2016' '48' '45' '46.35931' '45.30585']
 ..., 
 ['9/22/2016' '46.54' '40.04' '45.9713' '39.97518']
 ['6/21/2016' '43' '43' '45.2939' '46.66175']
 ['8/18/2016' '32.54' '43.61' '31.62721' '44.65947']] (10236, 5)