
美国实行总统制,每隔4年进行一次,而历届的总统选举对西瓜观众而言都是一场精彩非凡的大戏。
4年前,58届美国总统选举,支持率遥遥领先的希拉里,出乎意料输给了从未担任过公职的商人特朗普。原来奇迹一直有,只是没发生在你身上。
今天,我们来分析下美国总统选举这场大型悬疑剧,历届美国总统都经历过什么?
1、了解下美国历代总统
看这张简笔图,你认出了几个?不得不说,川普和奥巴马确实最具特色,一眼就能认出来,紧跟其后的辨识度较高的,是美国素有“国父”之称的第一任总统华盛顿了。
再来看看下面这种照片汇集图,你认识的人,应该就多了许多吧!
“数”说美国各届总统
其中,22任总统与24任为同一个人
2、美国总统竞选中那些反转
▼▼ 杜鲁门必败(33届) ▼▼
第33任总统哈里·杜鲁门被称为“美国最伟大的平民总统”。一开始他并不被看好,美国知名的50位政论家及民意测验都预言,共和党人杜威会取得压倒性的胜利,认定杜鲁门必败。
哈里·杜鲁门
▷《纽约邮报》甚至写道:民主党应立即承认败给了杜威,并省下进行选战活动的资金。
▷ 颇有影响的《生活》杂志还刊登了杜威的大照片,照片下面写着“下届美国总统”。
在外界普遍不看好的情况下,杜鲁门锲而不舍的巡回演讲,最终竟以压倒性优势击败杜威,创造美国总统大选最令人吃惊的逆转。
▼▼ 希拉里必胜(45届) ▼▼
投票结果没出来前,基本没人看好川普。连不怎么关注时事的大爷大妈们,都觉得希拉里肯定会成为美国第一任女总统,但却让人大跌眼镜,支持率一直遥遥领先的希拉里竟然输给了特朗普。
唐纳德·特朗普
关键原因在于特朗普的提议:美国至上,反对全球化!
民众不懂政治,只关心个人利益,认为美国优先会像特朗普说的那样美好,为民众谋福利,因此很多人直接放弃希拉里,转投特朗普。
3、2020美国总统竞选盛况
民主党候选人:约瑟夫·拜登,1942年生于美国宾夕法尼亚州,特拉华大学及雪城大学毕业,律师和政治家,前副总统。
图片来源:百度百科
共和党候选人:唐纳德·特朗普,1946年生于美国纽约州,德裔美国共和党籍政治家、企业家、房地产商人、电视人,第45任美国总统。
图片来源:百度百科
自由党候选人:约翰·麦卡菲,20世纪40年代生于英国,很小时随父母搬到美国弗吉尼亚州的罗阿诺克,2016年曾参加过总统竞选。
图片来源:百度百科
数据显示全部选民中,一直遥遥领先的拜登支持率在急速“缩水”,特朗普的支持率在快速回暖。
摇摆不定的15个州选民中,拜登的支持率仅比特朗普高1%,分别为49%和48%,意味着特朗普随时能赶超拜登。
同时,自第二次世界大战以来,只有两位现任总统吉米·卡特和乔治·HW·布什连任时被击败,看来不被人待见的特朗普,当选的奇迹还可能发生!
数据分析思维无处不在,你也可试着数据分析的思维,去分析一些自己感兴趣的项目哦。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11