《求更好解决办法》
1. 问题描述
1.1 相关材料
CSV文档:
每一行包含一个候选人，和他参选选区的相关信息，详情如下：
"election_year"： 选举年份。可能的取值为 “2011” 和 "2015年" ;
"cacode" : 选区编号。2011年和2015年的 “选区编号”，可能不一致，例如，A11选区在2011年出现，但在2015年则没有该选区；
“camp”: 阵营。每个候选人可能来自三个不同的阵营（泛，建，其它)；
"is_elected": 是否当选。Y: 当选，N: 落选；
"candidate_num": 候选人编号；
“vote”: 所得票数。
1.2 要解决的问题
对每一年（2011，2015）每个选区（例. A01, B03）中的所有参选人，基于每位参选人的阵营（“camp”），和每个阵营（“camp”）所得票数（vote）。
计算出，某年，某个选区中，不同阵营（“camp”）的得票率。
如 “图3. 期待结果” 所示：希望得到一个CSV 文档，里面的新增的列名和含义为：
“winnerCamp”: 当选者("is_elected=Y") 所属的阵营（“camp”）
"fanTotal": 该选区，在该选举年份（2011，或2015)，阵营("camp")为“泛” 的所有候选人，所得票数总和
“jianTotal": 该选区，在该选举年份（2011，或2015)，阵营("camp")为“建” 的所有候选人，所得票数总和
“otherTotal": 该选区，在该选举年份（2011，或2015)，阵营("camp")为“其它” 的所有候选人，所得票数总和
"fanPercent"/ "jianPercent"/ "otherPercent": 该选区，在该选举年份（2011，或2015)，三个阵营("camp")： "泛"/ “建”/ “其它” ，各自所得票数的百分比
1.3 难点总结
1.3.1 如 “图4. 自动当选，没有票数” 所示，如果候选人的编（“candidate_num”）是 “noCompetitor” ，则不需要计算，该选区，在该选举年份中，各个阵营（"camp"）所得票数的百分比。
1.3.2 选举年份2011 和 2015 包含的选区可能不完全相同。 即，选区A09在2011年出现，但可能在2015年没有该选区。
2. 现有解决思路
Step 1. 对 CSV 表格中列 “cacode” 和 列 "election_year" 按照 A-Z 升序排列，确保某年，某个选区的所有候选人，依次排列在一起， 而不是散落到CSV文档的不同位置。效果如图1，图2；
Step 2. 用Pandas 读入CSV文档
Step 3. 定义一个方法，
def groubCacodeByYear(startRow, dataPure):
Step 3.1 该方法的输入和输出为：
输入参数："startRow", 数据类型为： int ，用来定位，“dataPure” 中的DataFrame（即，CSV文档中的行）
输入参数：“dataPure”，数据类型为：DataFrame，稍后会用被遍历
输出参数：“groupLength”, 数据类型为：int， 用于刷新遍历DataFrame的下标
return groupLength
Step 3.2 该方法的实现细节：
根据输入参数“startRow”，通过Pandas.DataFrame.iloc[]方法，得到下标等于“startRow”的DataFrame（行）。从而，得到该DataFrame（行）中，列名“election_year” 和列名“cacode”的值。
如下“ 图6. DataFrame.iloc[ ] “ 所示： 得到给定下标的DataFrame（行），列名为 “election_year”和“cacode”的值。
Step 3.3 得到所有行，这些行有着相同的列（“election_year” 和 “cocode”的）值，分别为 “yearInit” 和 "cacodeInit"。
即，取得读入的DataFrame： dataPure中，所有相同的选举年份，和选区编号的行。接着，计算所得到DataFrame的行数，并赋值给 输出参数：groupLength，如图7
Step 3.4 在某年，某个选区所有候选人组成的, 变量名为“candidates” 的DataFrame中，取得
“winnerCamp”: 当选者来自的阵营（camp）
"isAutowin": 当选者的候选编号（canditate_num）
"commonCacode": 所有候选人，共同的选区编号（cacode）
"commonYear": 所有候选人，共同的选举年份（election_year）
Step 3.5 若变量“isAutowin”的值，不等于“noCompetitor”，则代表该年，该选区，有多于1位候选人，需要选民投票，可以计算各个阵营（camp）所得票数的百分比；
反之，若变量“isAutowin”的值，等于“noCompetitor”，则代表该年，该选区，只有一个人参与，不需要投票，不需要计算各个阵营的所得票数的百分比。
Step 3.5.1 变量“isAutowin”的值，不等于“noCompetitor”, 需计算各个阵营( camp )所得票数的百分比，代码如下：
if isAutowin != 'noCompetitor':
得到某年、某选区里，每个候选人所得票数。根据每个候选人，各自所属的阵营（camp）将该票数，追加到相应的数组里面，代码如图9：
计算某年，某选区，所有阵营（Camp）所得票数的百分比，代码如图10:
将上述计算求得的结果：
"fanTotal": 某年，某选区，所有阵营（camp）为“泛” 的候选人，得票总和
"jinaTotal": 某年，某选区，所有阵营（camp）为“建” 的候选人，得票总和
"otherTotal": 某年，某选区，所有阵营（camp）为“其它” 的候选人，得票总和
"fanPercent" / "jianPercent" / "otherPercent" : 某年，某选区，三大阵营的得票率
通过Pandas 创建DataFrame，并追加到指定路径的CSV文档中，如图11:
Step 3.5.2 变量“isAutowin”的值，等于“noCompetitor”, 该年，该选区，只有以为参选人：
不需要计算各个阵营（camp）的得票率；
但，需要将输出参数：“groupLength” 设为：1。即，某年，某选区，只有一位候选人
如图12:
Step 3.6
返回输出参数：“groupLength”（下一行要重复Step3.1 -Step 3.6）的DataFrame的下标）
return groupLength
该方法的完整代码如下图13：
Step 4. 遍历 Step2 中读入的DataFrame，并使用 Step 3定义的方法，如下图14:
当指针" i " 的数值，小于 Step2 中读入的DataFrame的行数时，会使用Step 3 中定义的方法，先判断该年，该选区，是否只有一人参选，
若是，则返回将“moveStep”赋值为1；
若否，则计算并保存某年、某个选区(cacode)，不同阵营（Camp）的得票率，将“moveStep” 赋值为该区，这次选区的参选人数。
