项目地址：https://www.kaggle.com/fivethirtyeight/2016-election-polls
包含了2015年11月至2016年11月期间对于2016美国大选的选票数据，共27列。
项目目的：分析每个月的民意调查统计趋势。
涉及知识点：
高阶函数filter
numpy读取文本文件
处理日期格式数据
numpy的切片和索引
numpy的统计方法
列表推导式
数据结构zip
Matplotlib进行简单的数据可视化
项目代码
# -*- coding: utf-8 -*- import numpy as np import datetime import matplotlib.pyplot as plt def main(): # 数据文件地址 filename = \'./presidential_polls.csv\' # 读取列名，即第一行数据 with open(filename, \'r\') as f: col_names_str = f.readline()[:-1] # [:-1]表示不读取末尾的换行符\'\n\' # 将字符串拆分，并组成列表 col_name_lst = col_names_str.split(\',\') # 使用的列名 use_col_name_lst = [\'enddate\', \'rawpoll_clinton\', \'rawpoll_trump\', \'adjpoll_clinton\', \'adjpoll_trump\'] # 获取相应列名的索引号 use_col_index_lst = [col_name_lst.index(use_col_name) for use_col_name in use_col_name_lst] # 数据读取 data_array = np.loadtxt(filename, # 文件名 delimiter=\',\', # 分隔符 skiprows=1, # 跳过第一行，即跳过列名 dtype=str, # 数据类型 usecols=use_col_index_lst) # 指定读取的列索引号 # 处理日期格式数据 enddate_idx = use_col_name_lst.index(\'enddate\') enddate_lst = data_array[:, enddate_idx].tolist() # print enddate_lst # 将日期字符串格式统一，即\'yy/dd/mm\' enddate_lst = [enddate.replace(\'-\', \'/\') for enddate in enddate_lst] # 将日期字符串转换成日期 date_lst = [datetime.datetime.strptime(enddate, \'%m/%d/%Y\') for enddate in enddate_lst] # 构造年份-月份列表 month_lst = [\'%d-%02d\' % (date_obj.year, date_obj.month) for date_obj in date_lst] month_array = np.array(month_lst) months = np.unique(month_array) # print months # 统计民意投票数 # cliton # 原始数据 rawpoll rawpoll_clinton_idx = use_col_name_lst.index(\'rawpoll_clinton\') rawpoll_clinton_data = data_array[:, rawpoll_clinton_idx] # 调整后的数据 adhpool adjpoll_clinton_idx = use_col_name_lst.index(\'adjpoll_clinton\') adjpoll_clinton_data = data_array[:, adjpoll_clinton_idx] # trump # 原始数据 rawpoll rawpoll_trump_idx = use_col_name_lst.index(\'rawpoll_trump\') rawpoll_trump_data = data_array[:, rawpoll_trump_idx] # 调整后的数据 adjpoll adjpoll_trump_idx = use_col_name_lst.index(\'adjpoll_trump\') adjpoll_trump_data = data_array[:, adjpoll_trump_idx] # 结果保存 results = [] for month in months: # clinton # 原始数据 rawpoll rawpoll_clinton_month_data = rawpoll_clinton_data[month_array == month] # 统计当月的总票数 rawpoll_clinton_month_sum = get_sum(rawpoll_clinton_month_data) # 调整数据 adjpoll adjpoll_clinton_month_data = adjpoll_clinton_data[month_array == month] # 统计当月的总票数 adjpoll_clinton_month_sum = get_sum(adjpoll_clinton_month_data) # trump # 原始数据 rawpoll rawpoll_trump_month_data = rawpoll_trump_data[month_array == month] # 统计当月的总票数 rawpoll_trump_month_sum = get_sum(rawpoll_trump_month_data) # 调整数据 adjpoll adjpoll_trump_month_data = adjpoll_trump_data[month_array == month] # 统计当月的总票数 adjpoll_trump_month_sum = get_sum(adjpoll_trump_month_data) results.append((month, rawpoll_clinton_month_sum, adjpoll_clinton_month_sum, rawpoll_trump_month_sum, adjpoll_trump_month_sum)) # print results months, raw_cliton_sum, adj_cliton_sum, raw_trump_sum, adj_trump_sum = zip(*results) # 可视化分析结果 fig, subplot_arr = plt.subplots(2, 2, figsize=(15, 10)) # 原始数据趋势展示 subplot_arr[0, 0].plot(raw_cliton_sum, color=\'r\') subplot_arr[0, 0].plot(raw_trump_sum, color=\'g\') width = 0.25 x = np.arange(len(months)) subplot_arr[0, 1].bar(x, raw_cliton_sum, width, color=\'r\') subplot_arr[0, 1].bar(x + width, raw_trump_sum, width, color=\'g\') subplot_arr[0, 1].set_xticks(x + width) subplot_arr[0, 1].set_xticklabels(months, rotation=\'vertical\') # 调整数据趋势展示 subplot_arr[1, 0].plot(adj_cliton_sum, color=\'r\') subplot_arr[1, 0].plot(adj_trump_sum, color=\'g\') width = 0.25 x = np.arange(len(months)) subplot_arr[1, 1].bar(x, adj_cliton_sum, width, color=\'r\') subplot_arr[1, 1].bar(x + width, adj_trump_sum, width, color=\'g\') subplot_arr[1, 1].set_xticks(x + width) subplot_arr[1, 1].set_xticklabels(months, rotation=\'vertical\') plt.subplots_adjust(wspace=0.2) plt.show() def is_convert_float(s): """ 判断一个字符串能否转换为float """ try: float(s) except: return False return True def get_sum(str_array): """ 返回字符串数组中数字的总和 """ # 去掉不能转换成数字的数据 cleaned_data = filter(is_convert_float, str_array) # 转换数据类型 float_array = np.array(cleaned_data, np.float) return np.sum(float_array) if __name__ == \'__main__\': main()