帶你用數(shù)據(jù)分析看透美國(guó)總統(tǒng)大選

大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自木木自由

作者：Ruby

數(shù)據(jù)分析到底是什么？該怎么做？數(shù)據(jù)思維又是什么？數(shù)據(jù)分析怎么應(yīng)用到日常工作生活？

為了更好的理解數(shù)據(jù)分析的這些問(wèn)題，我們來(lái)結(jié)合美國(guó)大選這個(gè)具體例子，帶著大家做一場(chǎng)“探索性數(shù)據(jù)分析”。

第一步：確定分析目的

?

美國(guó)總統(tǒng)大選投票結(jié)果已公布，一陣熱鬧過(guò)后，是否好奇，想看清這場(chǎng)“鬧劇”是怎么回事？出于這個(gè)目的，我們收集數(shù)據(jù)，來(lái)做一次“探索性數(shù)據(jù)分析”之旅。

第二步：理解業(yè)務(wù)

?

看著選票地圖，很多人想不通的是，為什么老百姓都參加了投票，但是官方顯示的票數(shù)，每個(gè)州只有幾票？這些票到底怎么來(lái)的？

? ? ? ??? ? ?

這就和美國(guó)的選舉規(guī)則有關(guān)，美國(guó)各州人民都參與了投票，但是總統(tǒng)并不是由他們直接選出來(lái)的，能投票選總統(tǒng)的是另外一波人“國(guó)會(huì)議員”：

? ? ? ??? ? ?

既然是議員投票選總統(tǒng)，選民還投票干嘛?

這和另外一個(gè)規(guī)則有關(guān)，雖然議員的票數(shù)決定了誰(shuí)做總統(tǒng)，但是議員不能決定自己想投給誰(shuí)，而是由選民決定的，也就是說(shuō)，全體選民投票的結(jié)果決定議員的票給誰(shuí)。比如：阿拉巴馬州有超過(guò)50%的選民投票給A，那么這個(gè)州所有議員的票都屬于A，這個(gè)規(guī)則叫“贏家通吃”。

所以我們看到各州的投票結(jié)果顯示 XX : 0 贏的人得到所有選票，輸?shù)娜艘粡堃驳貌坏健?/span>

總統(tǒng)選舉背景材料（近三屆的候選人和黨派）

第三步：確定研究指標(biāo)

?

理解完業(yè)務(wù)，開(kāi)始產(chǎn)生以下疑問(wèn)：

有哪些州？?

選舉的州作為指標(biāo)：需要所有州的名字

?

每個(gè)州可以投多少票？?

每個(gè)州的投票數(shù)：需要所有州對(duì)應(yīng)的投票票數(shù)

?

這些票最后投給了誰(shuí)？?但是每一屆參與選舉的候選人都不一樣，這個(gè)“誰(shuí)”，在不同的選舉年份中怎么做交叉對(duì)比？

想到的字段：每次選舉的兩個(gè)人分別代表兩個(gè)黨派，為了做交叉對(duì)比，得票的主體用“黨派”

第四步：找原始數(shù)據(jù)

?

1、尋找美國(guó)州名的數(shù)據(jù)。

在電腦上搜索到有州名的網(wǎng)頁(yè)，上面看到一張州名列表。我們用EXCEL根據(jù)以下步驟把這張表提取出來(lái)。

? ? ? ?

? ? ? ??? ? ?

? ? ? ?? ? ??

? ? ? ?? ? ? ?? ? ??? ? ? ?? ? ??? ? ? ?

2、獲取近三年的選票數(shù)據(jù)。

在網(wǎng)上找到2016年選票數(shù)據(jù)，用EXCEL直接獲取下來(lái)。(步驟如上略)

? ? ? ??? ? ?

但是找2012年選票數(shù)據(jù)的時(shí)候，只找到一個(gè)選票地圖

? ? ? ??? ? ?

再去找2020年選票，找到最詳細(xì)的數(shù)據(jù)，復(fù)制時(shí)發(fā)現(xiàn)是“圖片格式”！

? ? ???? ? ?

那我們?cè)趺传@得圖片里這些數(shù)據(jù)，難道要抄下來(lái)？

不！我們是“數(shù)據(jù)分析師”，我們要專(zhuān)業(yè)，不能手抄，我們用Python！

Python獲取圖片中信息：

市面上有免費(fèi)圖片文字識(shí)別的開(kāi)源功能，我們只需要調(diào)用相應(yīng)接口，此處選擇了百度的圖片文字識(shí)別。

思路：用Python 調(diào)用現(xiàn)成的“圖片文字識(shí)別接口”，識(shí)別提取兩張圖片中的文字?jǐn)?shù)字信息。

? ? ? ??? ? ?

? ? ? ??? ? ?

?

? ? ? ??? ? ?

? ? ? ??? ? ?

? ? ? ??? ? ?

按照教程先安裝“百度接口包”

打開(kāi)python的shell?如下圖安裝“百度接口包”

? ? ? ??? ? ?

? ? ? ??? ? ?

?

再按照教程“新建AipOcr”

打開(kāi)自己的Python編輯器（此處我用的是PyCharm），把教程上的代碼拷貝到PyCharm

? ? ? ???

以上步驟是生成一個(gè)Client對(duì)象，這個(gè)對(duì)象能調(diào)用“百度接口”里面的各種功能接口。

那么下一步告訴python，這個(gè)對(duì)象要去調(diào)用哪個(gè)接口。如下圖我們之前選擇了“通用文字識(shí)別（高精度版）”

? ? ??? ? ? ?? ? ? ?? ? ? ?

在接口說(shuō)明里，找到了這個(gè)接口的調(diào)用方法，按照教程，把需要的部分拷貝下來(lái)

? ? ? ??? ? ?

獲取完官方標(biāo)準(zhǔn)的教程代碼，現(xiàn)在我們來(lái)完善他。去“控制臺(tái)”注冊(cè)登錄賬號(hào)和創(chuàng)建應(yīng)用。

? ? ? ?? ? ? ?? ? ??

? ? ??

? ? ??? ? ? ?

更新完ID再告訴python是哪張圖片

? ? ? ?? ? ? ?

Python默認(rèn)去識(shí)別同一個(gè)項(xiàng)目文件夾下的圖片，所以把之前網(wǎng)絡(luò)上找到圖片直接保存在python這個(gè)代碼的文件夾下

? ? ? ??? ? ?

?

當(dāng)然也可以再調(diào)用兩個(gè)包，做成“截圖，保存，識(shí)別文字，三個(gè)步驟一體的python小工具”，此處不做展開(kāi)。

最終修改完成的代碼如下：

from aip import AipOcr ??# 要先完成 pip install baidu-aip

?

#""" 你的 APPID AK SK """

APP_ID = '你的APP_ID'

API_KEY = '你的API_KEY'

SECRET_KEY = '你的SECRET_KEY'

?

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

?

while 1:

????#""" 讀取圖片 """

????def get_file_content(filePath):

????????with open(filePath, 'rb') as fp:

????????????return fp.read()

?

????image = get_file_content('2020vote.jpg')

?

????#""" 調(diào)用通用文字識(shí)別（高精度版） """

????client.basicAccurate(image);

????message = client.basicAccurate(image)

????message_result = message['words_result']

?

????for i in message_result:

????????print(i['words'])

? ? break

? ? ? ?

? ? ??

第五步：數(shù)據(jù)清洗

此處數(shù)據(jù)量不大，把獲取的數(shù)據(jù)放在excel里面清洗后，得到格式統(tǒng)一的表。

? ? ? ?? ? ?? ???

第六步：數(shù)據(jù)分析

有清洗干凈的完整數(shù)據(jù)之后，我們開(kāi)始探索分析，這里用一種簡(jiǎn)單又低成本的方式：Power BI

? ? ??? ? ?

為了便于分析，再載入一張年份表和一張黨派表

??? ? ? ?

?

全部載入后，在Power?BI里面做一個(gè)簡(jiǎn)單建模

? ? ???? ?

先做個(gè)選票地圖看看

? ? ? ??? ? ?

看著做完的地圖，似乎發(fā)現(xiàn)了些什么！

首先，氣泡大小代表州的票數(shù)，雖然每年根據(jù)人口數(shù)量相應(yīng)票數(shù)有變化，但是大體基本一致。

其次，這三張圖，看著很相似，顏色的分布變化不大。也就是說(shuō)，每年都有一些固定支持共和黨或者固定支持民主黨的州。

最后，有少部分州，是每年支持的黨派都不一樣。

?

這部分的結(jié)論是：雖然每次選總統(tǒng)是兩個(gè)人競(jìng)選，但其實(shí)支持他們的人，很多是出于這些人所在的黨派。

?

再去探索一下票數(shù)

? ? ? ??? ? ?

可以看出每個(gè)不同的州，票數(shù)相差很遠(yuǎn)，有約20%左右的州，占到總票數(shù)一半以上。也就是以下地區(qū)可投選票的數(shù)量較多

? ? ? ?

這部分結(jié)論是：盡量去爭(zhēng)取上圖的州，獲勝機(jī)會(huì)大。

?

第七步：得出結(jié)論

?

最后總結(jié)數(shù)據(jù)分析結(jié)論如下：

1、有部分州，每年都一定選擇共和黨或者一定選擇民主黨，剩下小部分州會(huì)在兩黨之間搖擺，也就是說(shuō)，美國(guó)總統(tǒng)大選，候選人背后代表的黨派影響力，大于他們個(gè)人的影響力。

2、從競(jìng)選策略上來(lái)說(shuō)，每年可以“不用太關(guān)心”一定會(huì)投票給自己黨派的州，應(yīng)該把重點(diǎn)放在“搖擺州”上。而“搖擺州”應(yīng)該先從上圖中占票數(shù)多的州開(kāi)始爭(zhēng)取，然后再根據(jù)各州的票數(shù)占比，區(qū)分輕重緩急依次做競(jìng)選攻略。

總結(jié)

?

做了一次完整數(shù)據(jù)分析，讓我們回顧整個(gè)步驟：

第一步：確定分析目的

第二步：理解業(yè)務(wù)

第三步：確定研究指標(biāo)

第四步：尋找原始數(shù)據(jù)

第五步：數(shù)據(jù)清洗

第六步：數(shù)據(jù)分析

第七步：總結(jié)結(jié)論

以上就是一次標(biāo)準(zhǔn)又簡(jiǎn)潔的數(shù)據(jù)分析全過(guò)程演示。然而，在實(shí)際的業(yè)務(wù)分析中，一般在第七步得到了結(jié)論后還會(huì)回到第一步分析的目的，去與業(yè)務(wù)或者運(yùn)營(yíng)人員溝通，反饋結(jié)論，比如是否有異常、異常原因、下一步動(dòng)作等事宜，這也就使數(shù)據(jù)分析形成了“閉環(huán)”。然后相關(guān)業(yè)務(wù)人員再次提出疑問(wèn)去確立新的分析目標(biāo)，通過(guò)如此反復(fù)的迭代優(yōu)化及分析，可提高營(yíng)銷(xiāo)活動(dòng)有效性，提高投資回報(bào)率等等數(shù)據(jù)指標(biāo)……“閉環(huán)”其實(shí)就是“揚(yáng)長(zhǎng)避短”，讓數(shù)據(jù)引導(dǎo)動(dòng)作到更有價(jià)值的地方，實(shí)現(xiàn)資源配置最大化，也就是所謂的數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)。

?

總而言之，數(shù)據(jù)分析的有趣之處就是，當(dāng)你把自己想成福爾摩斯的話，那數(shù)據(jù)背后一定存在真相。也由此可見(jiàn)，數(shù)據(jù)分析的應(yīng)用范圍很廣，在各行各業(yè)都可以滲透，為什么可以滲透？那是因?yàn)楦餍懈鳂I(yè)都離不開(kāi)數(shù)字，只要有數(shù)字的地方，就有數(shù)據(jù)分析的用武之地；且數(shù)據(jù)分析的內(nèi)容也可以很深，從加減乘除算數(shù)運(yùn)算，到建?；貧w機(jī)器學(xué)習(xí)，都已經(jīng)廣泛運(yùn)用起來(lái)了；從上面的分析看，數(shù)據(jù)分析的工具那更是數(shù)不勝數(shù)，爬蟲(chóng)、清洗、可視化、數(shù)據(jù)庫(kù)等，只有你想不到的，沒(méi)有市場(chǎng)上滿足不了需求的。數(shù)據(jù)分析就像一雙翅膀能讓你飛得更遠(yuǎn)，希望大家通過(guò)這個(gè)具體的例子，學(xué)會(huì)用數(shù)據(jù)分析賦能到你工作生活的方方面面。

實(shí)習(xí)/全職編輯記者招聘ing

加入我們，親身體驗(yàn)一家專(zhuān)業(yè)科技媒體采寫(xiě)的每個(gè)細(xì)節(jié)，在最有前景的行業(yè)，和一群遍布全球最優(yōu)秀的人一起成長(zhǎng)。坐標(biāo)北京·清華東門(mén)，在大數(shù)據(jù)文摘主頁(yè)對(duì)話頁(yè)回復(fù)“招聘”了解詳情。簡(jiǎn)歷請(qǐng)直接發(fā)送至[email protected]

點(diǎn)「在看」的人都變好看了哦！