欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python數(shù)據(jù)分析之員工個人信息可視化

 更新時間:2021年04月25日 09:14:30   作者:かみさま7  
這篇文章主要介紹了python數(shù)據(jù)分析之員工個人信息可視化,文中有非常詳細的代碼示例,對正在學(xué)習(xí)python可視化的小伙伴們有很好的幫助,需要的朋友可以參考下

一、實驗?zāi)康?/h2>

(1)熟練使用Counter類進行統(tǒng)計
(2)掌握pandas中的cut方法進行分類
(3)掌握matplotlib第三方庫,能熟練使用該三方庫庫繪制圖形

二、實驗內(nèi)容

采集到的數(shù)據(jù)集如下表格所示:

在這里插入圖片描述

三、實驗要求

1.按照性別進行分類,然后分別匯總男生和女生總的收入,并用直方圖進行展示。

2.男生和女生各占公司總?cè)藬?shù)的比例,并用扇形圖進行展示。

3.按照年齡進行分類(20-29歲,30-39歲,40-49歲),然后統(tǒng)計出各個年齡段有多少人,并用直方圖進行展示。

import pandas as pd
import matplotlib.pyplot as plt
from collections import Counter

info = [{"name": "E001", "gender": "man", "age": "34", "sales": "123", "income": 350},
        {"name": "E002", "gender": "feman", "age": "40", "sales": "114", "income": 450},
        {"name": "E003", "gender": "feman", "age": "37", "sales": "135", "income": 169},
        {"name": "E004", "gender": "man", "age": "30", "sales": "139", "income": 189},
        {"name": "E005", "gender": "feman", "age": "44", "sales": "117", "income": 183},
        {"name": "E006", "gender": "man", "age": "36", "sales": "121", "income": 80},
        {"name": "E007", "gender": "man", "age": "32", "sales": "133", "income": 166},
        {"name": "E008", "gender": "feman", "age": "26", "sales": "140", "income": 120},
        {"name": "E009", "gender": "man", "age": "32", "sales": "133", "income": 75},
        {"name": "E010", "gender": "man", "age": "36", "sales": "133", "income": 40}
        ]


# 讀取數(shù)據(jù)
def get_data():
    df = pd.DataFrame(info)#DataFrame是一個以命名列方式組織的分布式數(shù)據(jù)集
    df[["age"]] = df[["age"]].astype(int)  # 數(shù)據(jù)類型轉(zhuǎn)為int
    df[["sales"]] = df[["sales"]].astype(int)  # 數(shù)據(jù)類型轉(zhuǎn)為int
    return df


def group_by_gender(df):
    var = df.groupby('gender').sales.sum()#groupby將元素通過函數(shù)生成相應(yīng)的Key,數(shù)據(jù)就轉(zhuǎn)化為Key-Value格式,之后將Key相同的元素分為一組
    fig = plt.figure()
    ax1 = fig.add_subplot(211)#2*1個網(wǎng)格,1個子圖
    ax1.set_xlabel('Gender')  # x軸標(biāo)簽
    ax1.set_ylabel('Sum of Sales')  # y軸標(biāo)簽
    ax1.set_title('Gender wise Sum of Sales')  # 設(shè)置圖標(biāo)標(biāo)題
    var.plot(kind='bar')
    plt.show()  # 顯示


def group_by_age(df):
    age_list = [20, 30, 40, 50]
    res = pd.cut(df['age'], age_list, right=False)
    count_res = pd.value_counts(res)
    df_count_res = pd.DataFrame(count_res)
    print(df_count_res)
    plt.hist(df['age'], bins=age_list, alpha=0.7)  # age_list 根據(jù)年齡段統(tǒng)計
    # 顯示橫軸標(biāo)簽
    plt.xlabel("nums")
    # 顯示縱軸標(biāo)簽
    plt.ylabel("ages")
    # 顯示圖標(biāo)題
    plt.title("pic")
    plt.show()


def gender_count(df):
    res = df['gender'].value_counts()
    df_res = pd.DataFrame(res)
    label_list = df_res.index

    plt.axis('equal')
    plt.pie(df_res['gender'], labels=label_list,
            autopct='%1.1f%%',
            shadow=True,  # 設(shè)置陰影
            explode=[0, 0.1])  # 0 :扇形不分離,0.1:分離0.1單位
    plt.title('gender ratio')
    plt.show()

    print(df_res)
    print(label_list)


if __name__ == '__main__':
    data = get_data()
    group_by_gender(data)
    gender_count(data)
    group_by_age(data)

在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述

到此這篇關(guān)于python數(shù)據(jù)分析之員工個人信息可視化的文章就介紹到這了,更多相關(guān)python員工信息可視化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • python使用udp實現(xiàn)聊天器功能

    python使用udp實現(xiàn)聊天器功能

    這篇文章主要介紹了python使用udp實現(xiàn)聊天器功能,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值 ,需要的朋友可以參考下
    2018-12-12
  • Python實現(xiàn)七個基本算法的實例代碼

    Python實現(xiàn)七個基本算法的實例代碼

    這篇文章主要介紹了Python實現(xiàn)七個基本算法的實例代碼,代碼簡單易懂,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2020-10-10
  • python except異常處理之后不退出,解決異常繼續(xù)執(zhí)行的實現(xiàn)

    python except異常處理之后不退出,解決異常繼續(xù)執(zhí)行的實現(xiàn)

    這篇文章主要介紹了python except異常處理之后不退出,解決異常繼續(xù)執(zhí)行的實現(xiàn),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-04-04
  • python?服務(wù)器批處理得到PSSM矩陣的問題

    python?服務(wù)器批處理得到PSSM矩陣的問題

    這篇文章主要介紹了python?服務(wù)器批處理得到PSSM矩陣,本文給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2022-07-07
  • Python腳本處理空格的方法

    Python腳本處理空格的方法

    這篇文章主要介紹了Python腳本處理空格的方法,解決方案非常簡單,但是好多朋友都不知道,下面小編把解決方案分享到腳本之家平臺,供大家參考
    2016-08-08
  • Python filter()及reduce()函數(shù)使用方法解析

    Python filter()及reduce()函數(shù)使用方法解析

    這篇文章主要介紹了Python filter()及reduce()函數(shù)使用方法解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-09-09
  • 解決python 在for循環(huán)并且pop數(shù)組的時候會跳過某些元素的問題

    解決python 在for循環(huán)并且pop數(shù)組的時候會跳過某些元素的問題

    這篇文章主要介紹了解決python 在for循環(huán)并且pop數(shù)組的時候會跳過某些元素的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-12-12
  • 基于Python手寫拼音識別

    基于Python手寫拼音識別

    這篇文章主要介紹了基于Python手寫拼音識別,因項目組需要使用到拼寫識別,考慮到每個字母的復(fù)雜度不高,所以使用KNN算法來嘗試實現(xiàn),下面來看看具體實現(xiàn)詳情吧,需要的小伙伴也可以參考一下
    2022-01-01
  • Django框架下靜態(tài)模板的繼承操作示例

    Django框架下靜態(tài)模板的繼承操作示例

    這篇文章主要介紹了Django框架下靜態(tài)模板的繼承操作,結(jié)合實例形式分析了Django框架模板繼承操作的相關(guān)原理與操作注意事項,需要的朋友可以參考下
    2019-11-11
  • 深入了解python中的常見錯誤類型與解決

    深入了解python中的常見錯誤類型與解決

    在Python編程過程中,經(jīng)常會遇到各種錯誤,了解這些錯誤的類型以及如何處理它們是成為一位優(yōu)秀的Python開發(fā)者所必備的技能之一,下面就跟隨小編一起學(xué)習(xí)一下python中的常見錯誤類型吧
    2023-11-11

最新評論