一、實驗目的
（1）熟練使用Counter類進行統計
（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、實驗內容
采集到的數據集如下表格所示：
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人數的比例，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}
]
# 讀取數據
def get_data():
df = pd.DataFrame(info)#DataFrame是一個以命名列方式組織的分布式數據集
df[["age"]] = df[["age"]].astype(int) # 數據類型轉為int
df[["sales"]] = df[["sales"]].astype(int) # 數據類型轉為int
return df
def group_by_gender(df):
var = df.groupby("gender").sales.sum()#groupby將元素通過函數生成相應的Key,數據就轉化為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個網格，1個子圖
ax1.set_xlabel("Gender") # x軸標簽
ax1.set_ylabel("Sum of Sales") # y軸標簽
ax1.set_title("Gender wise Sum of Sales") # 設置圖標標題
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 根據年齡段統計
# 顯示橫軸標簽
plt.xlabel("nums")
# 顯示縱軸標簽
plt.ylabel("ages")
# 顯示圖標題
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)
到此這篇關于python數據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python員工信息可視化內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/liarfeelings/article/details/116013798
