成為領導的秘密

• 運用python中的numpy、pandas,matplotlib、seaborn等包，可以進行數據統計、數據分析,數據可視化。本文就是通過成為領導的秘密這個案例來簡單做一下展示。
• 數據分析的基本過程一般分為以下幾個部分：
  提出問題、理解數據、數據清洗、數據分析、數據可視化。

現在從第一步開始著手。

一.提出問題

在數據分析之前，我們先要明確分析目標是什麼，這樣可以避免我們像無頭蒼蠅一樣拿著數據無從下手，也可以幫助我們更高效的選取數據，進行分析研究。

主要研究問題如下：

二.理解數據

1.導入數據包，提取數據文件

# numpy：科學計算工具包# pandas：數據分析工具包# malplotlib：圖表繪製工具包import numpy as np import pandas as pd import matplotlib.pyplot as pltimport seaborn as snssns.set(stylex="white", context="talk",font="Vera") #解決中文亂碼問題# 導入數據data=pd.read_csv(C:/Users/Administrator/Desktop/地市級黨委書記資料庫（2000-10）.csv,encoding=gbk)

2.查看導入數據的基本狀況

• 查看導入數據的類型

print(type(data)#輸出:pandas.core.frame.DataFrame

• 查看數據的基本大小

print(data.shape)#輸出:(3663, 23)

• 查看開頭幾行數據，看看數據是否讀取正確

print(data.head())

輸出前5條數據

• 用描述函數describ來查看一下整個數據的基本狀況

print(data.describe(include=[np.object]))print(data.describe(include=[np.number]))

文本數據類型數據情況

describe(include=[np.object])函數是對文本數據統計每個欄位的有效數據數量count,唯一值數量unique,出現頻次最高的文本值top,以及最高頻次文本值的出現頻次freq句號.

數值型數據類型數據情況

describe(include=[np.number])函數是對數值型數據是統計每個欄位的有效數據量count,平均值mean,標準差std,最小值min,最大值max,四分位數25%,中位數50%,四分之三分位數75%.

三.問題研究

1.性別構成

• 市委書記性別比例

# 市委書記性別比例data_gender = data[性別]# 刪除所有缺失值（NaN），生成新的數據data_gender_redata_gender_re = data_gender[data_gender.notnull()]count = len(data_gender_re)count_m = len(data_gender_re[data_gender_re == 男])count_w = len(data_gender_re[data_gender_re == 女])rate_m = count_m/countrate_w = count_w/countprint(樣本量： + str(count) + "
", 男性樣本量： + str(count_m) + "
", 女性樣本量： + str(count_w) + "
", 男性比例： + str(rate_m*100)[:4] + % + "
", 女性比例： + str(rate_w*100)[:4] + % )# 輸出結果:# 樣本量：2708 # 男性樣本量：2633 # 女性樣本量：75 # 男性比例：97.2% # 女性比例：2.76%

男女比例

數據顯示在我們所選取的2708位市委書記中，男性佔97.2%，而女性比例僅佔2.76%。可見，「中國女性撐起半邊天」的說法在我國市委書記界顯得不現實啊。

• 按省份分析市委書記女性比例

data_gender2 = data[[省級政區名稱,性別]]data_gender2_re = data_gender2[data_gender2[性別].notnull()] # 去除缺失值# 按照省份統計出男女人數# crosstab(行，列)用於針對字元串數據的透視（類似excel的數據透視）pt = pd.crosstab(data_gender2_re[省級政區名稱], data_gender2_re[性別])# 計算出女性佔比# 這裡直接在pt數據中添加了一個新的欄位「女性佔比」# sort_values()排序，ascending = False表示降序pt[女性佔比] = pt[女] / (pt[女] + pt[男])pt2 = pt.sort_values(by = [女性佔比], ascending = False)print(pt2.head(15))

前15省份分析市委書記女性比例

• 柱狀圖展示：不同省份女性市委書記佔比

  代碼如下:

import seaborn as snssns.set(stylex="white", context="talk",font="Vera")x = [女性市委書記佔比結構]y = pt2[女性佔比].tolist()fig = plt.figure(figsize=(6,4))sns.boxplot(data = y,palette="Greens")plt.title(女性市委書記佔比結構)plt.ylabel(女性佔比)sns.despine(bottom=True)plt.show()

結果輸出如下:

前15省份分析市委書記女性比例

雖然從全國整體範圍內看，女性想要成為市委書記的難度係數比較大，但是某些省份也存在一些相對比較大的機會，例如，山西、吉林、遼寧。

2.年齡情況、專業情況

# 年齡情況：整體年齡分布 / 入職年齡分布 / 卸任年齡分布# 新建變數data_age，賦值包括年份、出生年份欄位內容# 清除缺失值data_age = data[[出生年份,黨委書記姓名,年份]]data_age_re = data_age[data_age[出生年份].notnull()]# 計算出整體年齡數據df1 = 2017 - data_age_re[出生年份]# 計算出入職年齡數據df_yearmin = data_age_re[[黨委書記姓名,年份]].groupby(data_age_re[黨委書記姓名]).min()df2 = df_yearmin[年份].groupby(df_yearmin[年份]).count()# 計算出卸任年齡數據df_yearmax = data_age_re[[黨委書記姓名,年份]].groupby(data_age_re[黨委書記姓名]).max()df3 = df_yearmax[年份].groupby(df_yearmax[年份]).count()# 專業情況：專業結構 / 專業整體情況 / 專業大類分布 # 新建變數data_major，賦值包括年份、專業等欄位內容，其中1代表是，0代表否data_major = data[[黨委書記姓名,年份,專業：人文,專業：社科,專業：理工,專業：農科,專業：醫科]]data_major_re = data_major[data_major[專業：人文].notnull()] # 清除缺失值# 統計每個人的專業data_major_re[專業] = data_major_re[[專業：人文, 專業：社科, 專業：理工, 專業：農科, 專業：醫科]].idxmax(axis=1)# 去重data_major_st = data_major_re[[專業,黨委書記姓名]].drop_duplicates() # 計算出學歷結構數據df4 = data_major_st[專業].groupby(data_major_st[專業]).count()

• 整體年齡分布

整體年齡分布

俗話說，姜還是老的辣，我們國家領導班子就印證這個道理，主要年齡分布在60-70歲之間。

• 入職年齡分布

入職年齡分布

上圖可見要想成為一位市委書記，都不得不接受漫長的等待和歷練。

專業分布

看來專業對成為領導的影響也是很大的，50%領導人是社科專業出身，其次就是人文專業了，農科和醫科希望渺茫啊，所以建議有志於從政的小夥伴在選專業的時候就得注意了，選擇社科專業將來成為領導人的機會大一點喔。