展示一份資料分析案例解說，主要是用於說明資料分析過程。大致過程是先讀取資料為DataFrame格式，利用pandas處理需要的行或列，再用畫圖展示出來。

#2012 美國聯邦選舉資料分析 案例'''
該分析案例摘自經典資料分析書籍《利用Python進行資料分析》，本文主要是對該案例進行解說。
案例的資料來源檔案為150MB的CSV檔案 包含了贊助者的姓名、職業、僱主、地址及出資金額等
該案例主要分析了職業和僱主的贊助資訊，出資額分組，以及按州統計贊助資訊(地圖顯示功能未實現)
使用知識點read_csv檔案讀取，pandas資料處理，groupby分組和matplotlib的畫圖'''
#程式碼及解說
 
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#讀取原始檔的資料
origData = pd.read_csv('data/voting_data_2012.csv')
v_data = origData
# print('Check data size:',np.shape(v_data))
#因原始資料中沒有黨派資訊，給資料增加一列黨派資訊
unique_cands = v_data.cand_nm.unique()
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'}

v_data['party'] = v_data.cand_nm.map(parties)
# print (v_data['party'].value_counts())
# 優化資料保留出資額為正的資料, 並建立一個只保留兩位主要競選人的子集
v_data = v_data[v_data.contb_receipt_amt>0]
v_data_mrbo = v_data[v_data.cand_nm.isin(['Obama, Barack', 'Romney, Mitt'])]


#根據職業和僱主統計贊助資訊進行分析
# 對職業和僱主資訊進行處理，清理名稱相同或多種變體的形式， 採用字典dict.get()進行處理
occ_mapping = {
   'INFORMATION REQUESTED PER BEST EFFORTS' : 'NOT PROVIDED',
   'INFORMATION REQUESTED' : 'NOT PROVIDED',
   'INFORMATION REQUESTED (BEST EFFORTS)' : 'NOT PROVIDED',
   'C.E.O.': 'CEO'
}

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

# 如果清理過程中沒有找到相應的對映則返回x
f_occ = lambda x: occ_mapping.get(x,x)
v_data.contbr_occupation = v_data.contbr_occupation.map(f_occ)
f_emp = lambda x: emp_mapping.get(x,x)
v_data.contbr_employer = v_data.contbr_employer.map(f_emp)

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

#過濾資金小於200萬的資料, 並把 200萬以上畫圖顯示出來
over_2m = by_occupation[by_occupation.sum(1) > 2000000]
# print ('Sponsor more than 2M', over_2m)
over_2m.plot(kind='barh')
#構建一個函式計算出資額最高的企業和職業
def get_top_amounts(group, key, n=5):
    totals = group.groupby(key)['contb_receipt_amt'].sum()

    # return totals.order(ascending=False)[-n:] 原文該語句過時 採用下面語句代替
return sorted(totals,reverse=True)[:n]

# 按職業和僱主進行聚合  然後找出職業排名前7項和 僱主排名前10項
grouped = v_data_mrbo.groupby('cand_nm')
show_occ = grouped.apply(get_top_amounts, 'contbr_occupation', n=7)
show_emp = grouped.apply(get_top_amounts,'contbr_employer', n=10)
# print ('Top occupation',show_occ)
# print ('Top employer',show_emp)
#對出資額的進行分組
# 資金額度等級劃分
bins = np.array([0,1,10,100,1000,10000,100000,1000000,10000000])
labels = pd.cut(v_data_mrbo.contb_receipt_amt, bins)
grouped = v_data_mrbo.groupby(['cand_nm',labels])
grouped_show = grouped.size().unstack(0)
# print (grouped_show)
#對出資額求和在面元內規格化 並畫圖
bucket_sum = grouped.contb_receipt_amt.sum().unstack(0)
normed_sum = bucket_sum.div(bucket_sum.sum(axis=1), axis=0)
normed_sum[:-2].plot(kind='barh', stacked=True)
#根據州統計贊助資訊
# 獲取贊助超過100000的贊助者
grouped = v_data_mrbo.groupby(['cand_nm','contbr_st'])
totals = grouped.contb_receipt_amt.sum().unstack(0).fillna(0)
totals = totals[totals.sum(1)>100000]

#各候選人在各州與總贊助額比例
percent  = totals.div(totals.sum(1), axis=0)
print(percent)
plt.show()