#python# #数据分析# 性别比例分析

---

手头有一份性别比例的样本数据，清洗后只保留了性别信息，做了一个数据分析。

数据清洗和数据统计的代码就不贴了，贴性别比例pie图和性别比例趋势图的代码。

性别比例pie图：

def _plot_gender_stat_pie(self, fig, gender_stat, title):
    """
    fig : figure obj
    gender_stat : male / female stat
    title : figure title
    """
    def _explode(label, target='female'):
        if label == target:
            return 0.1
        else:
            return 0
    labels = ['male', 'female']
    expl = list(map(_explode, labels))
    plt.figure(fig, figsize=(7, 7))
    plt.pie(gender_stat, explode=expl, labels=labels, autopct="%5.2f%%")
    plt.title(title, bbox={'facecolor': '0.8', 'pad': 8})

平均性别比例：

年份比较图：

性别比例趋势图代码：

def _plot_gender_stat_line_bar(self, gender_stats):
    """
    gender_stat : male / female stats by year
    """        
    y = gender_stats
    x = range(0, len(y))

    plt.figure(figsize=(10, 6)) 
    # line plot
    plt.plot(x, y, 'r.:')
    # plot text on each point
    for point_x, point_y in zip(x, y):
        plt.text(point_x, point_y, str('%.1f' %
                                       point_y), horizontalalignment='center')
    # bar plot
    plt.bar(x, y, width=0.5, color='g')
    plt.xlabel('time')
    plt.ylabel('rate')
    plt.title('male / female rate change', y=0.9)
    plt.show()

 

• 样本数据有限，仅用来学习，无其他含义。

• 是不是效益好的时候，男女性别比例就会小一些，效益不好或者初创期男女性别比例就会大一些？

• 后面的趋势跟二胎政策也有一定关系。

（↓ - 有些内容只在小龙家发，可关注同名“趣Python”号，谢谢 - ↓）