帶你用數(shù)據(jù)分析看透美國總統(tǒng)大選

大數(shù)據(jù)文摘授權轉載自木木自由

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)分析的這些問題，我們來結合美國大選這個具體例子，帶著大家做一場“探索性數(shù)據(jù)分析”。

第一步：確定分析目的

?

美國總統(tǒng)大選投票結果已公布，一陣熱鬧過后，是否好奇，想看清這場“鬧劇”是怎么回事？出于這個目的，我們收集數(shù)據(jù)，來做一次“探索性數(shù)據(jù)分析”之旅。

第二步：理解業(yè)務

?

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)，每個州只有幾票？這些票到底怎么來的？

? ? ? ??? ? ?

這就和美國的選舉規(guī)則有關，美國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的，能投票選總統(tǒng)的是另外一波人“國會議員”：

? ? ? ??? ? ?

既然是議員投票選總統(tǒng)，選民還投票干嘛?

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

所以我們看到各州的投票結果顯示 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

?

理解完業(yè)務，開始產(chǎn)生以下疑問：

有哪些州？?

選舉的州作為指標：需要所有州的名字

?

每個州可以投多少票？?

每個州的投票數(shù)：需要所有州對應的投票票數(shù)

?

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

想到的字段：每次選舉的兩個人分別代表兩個黨派，為了做交叉對比，得票的主體用“黨派”

第四步：找原始數(shù)據(jù)

?

1、尋找美國州名的數(shù)據(jù)。

在電腦上搜索到有州名的網(wǎng)頁，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。

? ? ? ?

? ? ? ??? ? ?

? ? ? ?? ? ??

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

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。(步驟如上略)

? ? ? ??? ? ?

但是找2012年選票數(shù)據(jù)的時候，只找到一個選票地圖

? ? ? ??? ? ?

再去找2020年選票，找到最詳細的數(shù)據(jù)，復制時發(fā)現(xiàn)是“圖片格式”！

? ? ???? ? ?

那我們怎么獲得圖片里這些數(shù)據(jù)，難道要抄下來？

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

Python獲取圖片中信息：

市面上有免費圖片文字識別的開源功能，我們只需要調(diào)用相應接口，此處選擇了百度的圖片文字識別。

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

? ? ? ??? ? ?

? ? ? ??? ? ?

?

? ? ? ??? ? ?

? ? ? ??? ? ?

? ? ? ??? ? ?

按照教程先安裝“百度接口包”

打開python的shell?如下圖安裝“百度接口包”

? ? ? ??? ? ?

? ? ? ??? ? ?

?

再按照教程“新建AipOcr”

打開自己的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Client對象，這個對象能調(diào)用“百度接口”里面的各種功能接口。

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

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

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

? ? ? ??? ? ?

獲取完官方標準的教程代碼，現(xiàn)在我們來完善他。去“控制臺”注冊登錄賬號和創(chuàng)建應用。

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

? ? ??

? ? ??? ? ? ?

更新完ID再告訴python是哪張圖片

? ? ? ?? ? ? ?

Python默認去識別同一個項目文件夾下的圖片，所以把之前網(wǎng)絡上找到圖片直接保存在python這個代碼的文件夾下

? ? ? ??? ? ?

?

當然也可以再調(diào)用兩個包，做成“截圖，保存，識別文字，三個步驟一體的python小工具”，此處不做展開。

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，我們開始探索分析，這里用一種簡單又低成本的方式：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里面做一個簡單建模

? ? ???? ?

先做個選票地圖看看

? ? ? ??? ? ?

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，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。

?

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

?

再去探索一下票數(shù)

? ? ? ??? ? ?

可以看出每個不同的州，票數(shù)相差很遠，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

? ? ? ?

這部分結論是：盡量去爭取上圖的州，獲勝機會大。

?

第七步：得出結論

?

最后總結數(shù)據(jù)分析結論如下：

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

2、從競選策略上來說，每年可以“不用太關心”一定會投票給自己黨派的州，應該把重點放在“搖擺州”上。而“搖擺州”應該先從上圖中占票數(shù)多的州開始爭取，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選攻略。

總結

?

做了一次完整數(shù)據(jù)分析，讓我們回顧整個步驟：

第一步：確定分析目的

第二步：理解業(yè)務

第三步：確定研究指標

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：總結結論

以上就是一次標準又簡潔的數(shù)據(jù)分析全過程演示。然而，在實際的業(yè)務分析中，一般在第七步得到了結論后還會回到第一步分析的目的，去與業(yè)務或者運營人員溝通，反饋結論，比如是否有異常、異常原因、下一步動作等事宜，這也就使數(shù)據(jù)分析形成了“閉環(huán)”。然后相關業(yè)務人員再次提出疑問去確立新的分析目標，通過如此反復的迭代優(yōu)化及分析，可提高營銷活動有效性，提高投資回報率等等數(shù)據(jù)指標……“閉環(huán)”其實就是“揚長避短”，讓數(shù)據(jù)引導動作到更有價值的地方，實現(xiàn)資源配置最大化，也就是所謂的數(shù)據(jù)驅動業(yè)務。

?

總而言之，數(shù)據(jù)分析的有趣之處就是，當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，數(shù)據(jù)分析的應用范圍很廣，在各行各業(yè)都可以滲透，為什么可以滲透？那是因為各行各業(yè)都離不開數(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)運算，到建?；貧w機器學習，都已經(jīng)廣泛運用起來了；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、清洗、可視化、數(shù)據(jù)庫等，只有你想不到的，沒有市場上滿足不了需求的。數(shù)據(jù)分析就像一雙翅膀能讓你飛得更遠，希望大家通過這個具體的例子，學會用數(shù)據(jù)分析賦能到你工作生活的方方面面。

實習/全職編輯記者招聘ing

加入我們，親身體驗一家專業(yè)科技媒體采寫的每個細節(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。坐標北京·清華東門，在大數(shù)據(jù)文摘主頁對話頁回復“招聘”了解詳情。簡歷請直接發(fā)送至[email protected]

點「在看」的人都變好看了哦！