带你用数据分析看透美国总统大选-技术圈

导读：很多小伙伴都在问，数据分析到底是什么？该怎么做？数据思维又是什么？数据分析怎么应用到日常工作生活？你会发现得到各种各样的答案——有人说数分不就是做表嘛，有人说不对不对，数分就是做分析报告，还有人说，数分就是大数据，是人工智能。按我说呢，这些都对，也都不对，因为这只是大家看到的冰山一角。

其实，数学的应用从游牧时代开始，就已经涉及到数据分析了。今天抓了一头野猪，明天抓了一头羊，所以猎物总共有两只，怎么分配呢？羊可以养起来，因为羊可以产奶，给孩子补充营养，猪可以杀掉，一天吃不完，那就分两天吃，首领分多一些，其他人分少一些……大家留意到没有，这正好是数据分析的思维。这个思维延伸到现在，就变成了，公司今天收入多少，奖励池可以多分一些给贡献度大的员工，然后剩余的可以当做下个季度激励方案的奖金……总之，数据分析的历史很悠久，可以说从人们开始使用数字的时候开始就已经有数分的意识了。

那么，为了更好的理解数据分析的这些问题，我们现在来结合美国大选这个具体例子，带着大家做一场“探索性数据分析”。

第一步：确定分析目的

美国总统大选投票结果已公布，一阵热闹过后，是否好奇，想看清这场“闹剧”是怎么回事？出于这个目的，我们收集数据，来做一次“探索性数据分析”之旅。

第二步：理解业务

看着选票地图，很多人想不通的是，为什么老百姓都参加了投票，但是官方显示的票数，每个州只有几票？这些票到底怎么来的？

这就和美国的选举规则有关，美国各州人民都参与了投票，但是总统并不是由他们直接选出来的，能投票选总统的是另外一波人“国会议员”：

既然是议员投票选总统，选民还投票干嘛?

这和另外一个规则有关，虽然议员的票数决定了谁做总统，但是议员不能决定自己想投给谁，而是由选民决定的，也就是说，全体选民投票的结果决定议员的票给谁。比如：阿拉巴马州有超过50%的选民投票给A，那么这个州所有议员的票都属于A，这个规则叫“赢家通吃”。

所以我们看到各州的投票结果显示 XX : 0 赢的人得到所有选票，输的人一张也得不到。

总统选举背景材料（近三届的候选人和党派）

第三步：确定研究指标

理解完业务，开始产生以下疑问：

有哪些州？

选举的州作为指标：需要所有州的名字

每个州可以投多少票？

每个州的投票数：需要所有州对应的投票票数

这些票最后投给了谁？但是每一届参与选举的候选人都不一样，这个“谁”，在不同的选举年份中怎么做交叉对比？

想到的字段：每次选举的两个人分别代表两个党派，为了做交叉对比，得票的主体用“党派”

第四步：找原始数据

1、寻找美国州名的数据。

在电脑上搜索到有州名的网页，上面看到一张州名列表。我们用EXCEL根据以下步骤把这张表提取出来。

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

2、获取近三年的选票数据。

在网上找到2016年选票数据，用EXCEL直接获取下来。(步骤如上略)

但是找2012年选票数据的时候，只找到一个选票地图

再去找2020年选票，找到最详细的数据，复制时发现是“图片格式”！

那我们怎么获得图片里这些数据，难道要抄下来？

不！我们是“数据分析师”，我们要专业，不能手抄，我们用Python！

Python获取图片中信息：

市面上有免费图片文字识别的开源功能，我们只需要调用相应接口，此处选择了百度的图片文字识别。

思路：用Python 调用现成的“图片文字识别接口”，识别提取两张图片中的文字数字信息。

按照教程先安装“百度接口包”

打开python的shell 如下图安装“百度接口包”

再按照教程“新建AipOcr”

打开自己的Python编辑器（此处我用的是PyCharm），把教程上的代码拷贝到PyCharm

以上步骤是生成一个Client对象，这个对象能调用“百度接口”里面的各种功能接口。

那么下一步告诉python，这个对象要去调用哪个接口。如下图我们之前选择了“通用文字识别（高精度版）”

在接口说明里，找到了这个接口的调用方法，按照教程，把需要的部分拷贝下来

获取完官方标准的教程代码，现在我们来完善他。去“控制台”注册登录账号和创建应用。

更新完ID再告诉python是哪张图片

Python默认去识别同一个项目文件夹下的图片，所以把之前网络上找到图片直接保存在python这个代码的文件夹下

‍‍‍‍‍‍‍‍‍‍‍‍当然也可以再调用两个包，做成“截图，保存，识别文字，三个步骤一体的python小工具”，此处不做展开。

最终修改完成的代码如下：

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:

#""" 读取图片 """

def get_file_content(filePath):

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

return fp.read()

image = get_file_content('2020vote.jpg')

#""" 调用通用文字识别（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：数据清洗

此处数据量不大，把获取的数据放在excel里面清洗后，得到格式统一的表。

第六步：数据分析

有清洗干净的完整数据之后，我们开始探索分析，这里用一种简单又低成本的方式：Power BI

为了便于分析，再载入一张年份表和一张党派表

全部载入后，在Power BI里面做一个简单建模

先做个选票地图看看

看着做完的地图，似乎发现了些什么！

首先，气泡大小代表州的票数，虽然每年根据人口数量相应票数有变化，但是大体基本一致。

其次，这三张图，看着很相似，颜色的分布变化不大。也就是说，每年都有一些固定支持共和党或者固定支持民主党的州。

最后，有少部分州，是每年支持的党派都不一样。

这部分的结论是：虽然每次选总统是两个人竞选，但其实支持他们的人，很多是出于这些人所在的党派。

再去探索一下票数

可以看出每个不同的州，票数相差很远，有约20%左右的州，占到总票数一半以上。也就是以下地区可投选票的数量较多

这部分结论是：尽量去争取上图的州，获胜机会大。

第七步：得出结论

最后总结数据分析结论如下：

1、有部分州，每年都一定选择共和党或者一定选择民主党，剩下小部分州会在两党之间摇摆，也就是说，美国总统大选，候选人背后代表的党派影响力，大于他们个人的影响力。

2、从竞选策略上来说，每年可以“不用太关心”一定会投票给自己党派的州，应该把重点放在“摇摆州”上。而“摇摆州”应该先从上图中占票数多的州开始争取，然后再根据各州的票数占比，区分轻重缓急依次做竞选攻略。

总结

做了一次完整数据分析，让我们回顾整个步骤：

第一步：确定分析目的

第二步：理解业务

第三步：确定研究指标

第四步：寻找原始数据

第五步：数据清洗

第六步：数据分析

第七步：总结结论

以上就是一次标准又简洁的数据分析全过程演示。然而，在实际的业务分析中，一般在第七步得到了结论后还会回到第一步分析的目的，去与业务或者运营人员沟通，反馈结论，比如是否有异常、异常原因、下一步动作等事宜，这也就使数据分析形成了“闭环”。然后相关业务人员再次提出疑问去确立新的分析目标，通过如此反复的迭代优化及分析，可提高营销活动有效性，提高投资回报率等等数据指标……“闭环”其实就是“扬长避短”，让数据引导动作到更有价值的地方，实现资源配置最大化，也就是所谓的数据驱动业务。

‍‍‍‍‍‍‍‍‍‍总而言之，数据分析的有趣之处就是，当你把自己想成福尔摩斯的话，那数据背后一定存在真相。也由此可见，数据分析的应用范围很广，在各行各业都可以渗透，为什么可以渗透？那是因为各行各业都离不开数字，只要有数字的地方，就有数据分析的用武之地；且数据分析的内容也可以很深，从加减乘除算数运算，到建模回归机器学习，都已经广泛运用起来了；从上面的分析看，数据分析的工具那更是数不胜数，爬虫、清洗、可视化、数据库等，只有你想不到的，没有市场上满足不了需求的。数据分析就像一双翅膀能让你飞得更远，希望大家通过这个具体的例子，学会用数据分析赋能到你工作生活的方方面面。‍‍‍‍‍‍‍‍‍‍

--end--


      
       扫描下方二维码

      
      
       添加好友，备注【交流】
      
      
       可私聊交流，也可进资源丰富学习群