员工每月工资数据集可视化分析

前言

最近在学习《从零开始学Python数据分析》这本书，第六章的综合实例——巴尔的摩公务员工资数据集，原网站上数据集被清除，于是在Kaggle上寻找了相似的数据“Employee_monthly_salary.csv”进行可视化数据分析。

工作环境

系统： windows10

工具： pycharm2019.2.6

第三方包：
pandas1.1.4
numpy1.19.4
matplotlib==3.3.2

文件（Employee_monthly_salary.csv）

完整代码

# import numpy as np
import pandas as pd
# from pandas import DataFrame
import matplotlib.pyplot as plt
# import matplotlib as mlb

pd.set_option('mode.chained_assignment', None)  # 消除链接操作时警示（治标不治本）


"""
EmpID 职工ID
Name 姓名
Gender 性别
Date_of_Birth 出生日期 
Age 年龄
Join_Date 入职日期
Tenure_in_org_in_months 工作总月份 
GROSS 总工资
Net_Pay 实际工资
Deduction 扣除部分
Deduction_percentage 扣除百分比 
Designation 职位
Department 部门
"""

"""
我们即将实现的功能：
	1.男女平均工资对比；
	2.男性和女性最高工资和最低工资对比；
	3.月薪的分布状况 
	4.人数最多的职位Top5的平均工资；
	5.不同月份入职人员数量；
	6.任职时间和工资的关系
	"""

# 主菜单
def menu():
    print('*' * 10, '请选择功能', '*' * 10, '\n')
    print('请输入对应功能的序号:')
    print("1.男女工资平均对比")
    print('2.最高工资和最低工资对比')
    print('3.月薪分布状况')
    print('4.人数最多的职位Top5的平均工资')
    print('5. 不同月份入职人员数量')
    print('6. 入职时间和工资的关系')
    print("输入0字符退出")
    print('*' * 10, '退出程序', '*' * 10, '\n')


# 男女平均工资对比
def sex_salary(salary):
    avg_salary = salary.groupby('Gender')['Net_Pay'].mean()  # 求平均数
    avg_salary.plot.bar(color='orange')   # 设置柱的颜色
    plt.show() #  画布


# 男性和女性最高工资和最低工资对比
def salary_contrast(salary):
    max_salary = salary.groupby('Gender', as_index=False)['Net_Pay'].max()  # 求最大值
    print(max_salary)
    min_salary = salary.groupby('Gender', as_index=False)['Net_Pay'].min()  # 求最小值
    print(min_salary)
    salary_s = pd.merge(max_salary, min_salary, on='Gender', suffixes=['_max_salary', '_min_salary'])  # 数据合并，suffixes设置区分两个数据同名列
    # 由于最低工资过低，我们这里将它扩大100倍来进行比较
    salary_s['Net_Pay_min_salary'] = salary_s.loc[:, 'Net_Pay_min_salary'] * 100
    salary_s.plot(kind='bar')  # bar代表柱形图
    plt.show()


# 工资的分布状况
def salary_distribution(salary):
    salary['Net_Pay'].hist(bins=20)  # bins将值分段，不设置默认为10， hist绘制直方图
    plt.show()


# 人数最多的职位Top5的平均工资
def designation_top(salary):
    avg_salary = salary.groupby('Designation')['Net_Pay'].agg(['mean', 'count'])  # 数据分组，mean求不同职位工资平均值，count计算不同职位人数
    sort_salary = avg_salary.sort_values(by='count', ascending=False)[:5]  # by指定排序列名，ascending=False设置降序，默认升序
    sort_salary['mean'].plot(kind='bar')  # 这里的mean是自动创建的平均值列名，绘制柱形图
    plt.show()

# conversion函数用于将数据里类似“01”，“02”等转化为1，2，类型为str
def conversion(x):
    data = {
        '01': 1,
        '02': 2,
        '03': 3,
        '04': 4,
        '05': 5,
        '06': 6,
        '07': 7,
        '08': 8,
        '09': 9,
    }
    list_data = ['01', '02', '03', '04', '05', '06', '07', '08', '09']

    if x in list_data:
        x = data[x]
        return str(x)
    else:
        return x


# 不同月份入职人员数量
def month_count(salary):
    salary['month'] = salary['month'].map(conversion)  # 使用map函数将month列传入conversion实现数据修改
    month_counts = salary['month'].value_counts()  # value_counts统计每个月份入职人员数
    month_counts.plot(kind='bar')
    plt.show()


# 工作时间和工资的关系
def work_months(salary):
    salary.plot(kind='scatter', x='Tenure_in_org_in_months', y='Net_Pay')  # 绘制散点图，展示工作时间和工资的关系
    plt.show()


# 主函数
def main():
    df = pd.read_csv('Employee_salary.csv')  # 读取数据集
    # print(df.info())  # 打印信息
    # print(df.shape)  # DataFrame维度
    # print(df.isnull().sum())  # 统计缺失值总数
    df = df.dropna()  # 删除有缺失值的行
    salary = df[['EmpID', 'Name', 'Gender', 'Age', 'Join_Date', 'Tenure_in_org_in_months', 'Net_Pay',
                 'Designation']]  # 选择部分字段使用
    # df.to_csv('employee.csv')  # 将新DataFrame对象数据写入csv文件中
    salary['month'] = salary['Join_Date'].str.split('/').str[1]  # 将Join_Date入职日期分离，获取入职月份，添加新列到salary中
    menu()

    n = eval(input("请输入编号：(1/2/3/4/5/6/0):"))  # 输入对应整数选择功能
    print("\n")
    if n == 1:
        sex_salary(salary)
    elif n == 2:
        salary_contrast(salary)
    elif n == 3:
        salary_distribution(salary)
    elif n == 4:
        designation_top(salary)
    elif n == 5:
        month_count(salary)
    elif n == 6:
        work_months(salary)
    else:
        exit(0)


if __name__ == "__main__":  # 当程序因为自身调动是才启动程序
    main()

功能效果展示

男女平均工资对比

分析：M(male)代表男性，F(female)代表女性，女性平均工资低于男性，大致接近（可能存在样本量不足因素）

男性和女性最高工资和最低工资对比

分析：0为女性，1为男性（忘了改了，问题不大），无论男性还是女性最低和最高工资差距极大（注意这里最低工资已经乘了100倍）；最高工资男性较高，最低工资男女接近。

工资的分布状况

分析：满足正太分布，工资在100000左右的居大多数。

人数最多的职位Top5的平均工资

不同月份入职人员数量

分析：没有按照顺序排列月份（自己搞去），默认从高到低排列，7月入职的人最多，2月最少。

工作时间和工资的关系

分析：数据可见，工作时间长工资不一定就高啊。

数据集

最最重要的来了，拿走不用谢

码云(gitee)

注意：
我在项目文件里修改了文件名称，切莫忘记修改