员工每月工资数据集可视化分析

最新推荐文章于 2023-03-21 16:23:06 发布

STARSG0d

最新推荐文章于 2023-03-21 16:23:06 发布

阅读量4.8k

点赞数 6

分类专栏：数据集数据分析文章标签： python 数据分析数据可视化

本文链接：https://blog.csdn.net/STARSG0d/article/details/109701868

版权

本文使用Python对'Employee_monthly_salary.csv'数据集进行了分析，包括男女工资对比、工资分布、最高最低工资比较、各职位平均工资及入职月份人数。结果显示，女性平均工资低于男性，工资分布符合正态分布，7月入职人数最多，工作时间与工资并不直接成正比。

摘要由CSDN通过智能技术生成

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）

在这里插入图片描述

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')[