🧑 博主简介：曾任某智慧城市类企业
算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）
💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。
【数据可视化-52】2023年度数据科学薪水数据可视化
一、引言
在科技飞速发展的当下，数据科学领域正吸引着全球的关注。随着企业数字化转型的深入，数据科学家等专业人才的需求日益增长。为了深入了解数据科学领域中的薪资状况，我们对2023年的数据科学薪资数据集进行了全面的可视化分析。这份数据集详细记录了数据科学家在不同国家、不同公司规模、不同经验水平下的薪资水平，为行业内外的决策者和求职者提供了重要的参考依据。
二、数据集介绍
数据科学薪资2023数据集涵盖了以下信息：
work_year: 支付工资的年份，均为2023年experience_level: 当年工作的经验水平，包括初级（EN）、中级（MI）、高级（SE）和主管（EX）employment_type: 职位的雇佣类型，分为全职（FT）、兼职（PT）、约聘（CT）和独立咨询（FL）job_title: 职位名称salary: 支付的工资总额salary_currency: 工资货币的ISO 4217代码salary_in_usd: 以美元计价的薪水employee_residence: 员工主要居住国家/地区的ISO 3166代码remote_ratio: 远程工作比例，分为0%（全现场）、50%（半远程）、100%（全远程）company_location: 公司主要办事处所在的国家/地区company_size: 当年公司员工人数的中位数规模，分为小型（S）、中型（M）和大型（L）
三、导入数据与预处理
我们使用Python的pandas库来加载数据，并进行初步的预处理：
import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud
from collections import Counter
import string
# 导入数据
df = pd.read_csv('ds_salaries.csv')
# 查看数据大小
print("数据大小:", df.shape)
# 查看数据基本信息
print("\n数据基本信息:")
print(df.info())
print("\n数据描述性统计:")
print(df.describe())
# 统计缺失值
print("\n缺失值统计:")
print(df.isnull().sum())
# 统计重复值
print("\n重复值数量:", df.duplicated().sum())
删除重复值：
data = df.drop_duplicates()
四、单变量分析
4.1 薪资分布
我们首先绘制薪资分布的直方图，了解数据科学领域的薪资水平：
plt.figure(figsize=(10, 6))
plt.hist(df['salary_in_usd'], bins=30, color='skyblue', edgecolor='black')
plt.title('Salary Distribution', fontsize=14, fontweight='bold')
plt.xlabel('Salary in USD', fontsize=12)
plt.ylabel('Frequency', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()
4.2 经验水平分布
分析不同经验水平的分布情况：
experience_counts = df['experience_level'].value_counts()
plt.figure(figsize=(8, 8))
plt.pie(experience_counts, labels=experience_counts.index, autopct='%1.1f%%', startangle=90)
plt.title('Experience Level Distribution', fontsize=14, fontweight='bold')
plt.axis('equal')
plt.tight_layout()
plt.show()
4.3 员工居住地分布
展示不同国家/地区数据科学家的分布：
top_countries = df['employee_residence'].value_counts().nlargest(10)
plt.figure(figsize=(12, 6))
plt.bar(top_countries.index, top_countries.values, color='skyblue')
plt.title('Top 10 Countries with Most Data Scientists', fontsize=14, fontweight='bold')
plt.xlabel('Country Code', fontsize=12)
plt.ylabel('Number of Data Scientists', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()
五、多变量分析
5.1 经验水平与薪资的关系
分析不同经验水平下的薪资差异：
plt.figure(figsize=(12, 6))
plt.boxplot([df[df['experience_level'] == 'EN']['salary_in_usd'],
df[df['experience_level'] == 'MI']['salary_in_usd'],
df[df['experience_level'] == 'SE']['salary_in_usd'],
df[df['experience_level'] == 'EX']['salary_in_usd']],
labels=['EN', 'MI', 'SE', 'EX'])
plt.title('Salary Distribution by Experience Level', fontsize=14, fontweight='bold')
plt.xlabel('Experience Level', fontsize=12)
plt.ylabel('Salary in USD', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()
5.2 公司规模与薪资的关系
探讨不同规模公司的薪资水平：
plt.figure(figsize=(12, 6))
plt.boxplot([df[df['company_size'] == 'S']['salary_in_usd'],
df[df['company_size'] == 'M']['salary_in_usd'],
df[df['company_size'] == 'L']['salary_in_usd']],
labels=['Small', 'Medium', 'Large'])
plt.title('Salary Distribution by Company Size', fontsize=14, fontweight='bold')
plt.xlabel('Company Size', fontsize=12)
plt.ylabel('Salary in USD', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()
5.3 工作类型与薪资的关系
分析不同雇佣类型下的薪资差异：
plt.figure(figsize=(12, 6))
plt.boxplot([df[df['employment_type'] == 'FT']['salary_in_usd'],
df[df['employment_type'] == 'PT']['salary_in_usd'],
df[df['employment_type'] == 'CT']['salary_in_usd'],
df[df['employment_type'] == 'FL']['salary_in_usd']],
labels=['Full-Time', 'Part-Time', 'Contract', 'Freelance'])
plt.title('Salary Distribution by Employment Type', fontsize=14, fontweight='bold')
plt.xlabel('Employment Type', fontsize=12)
plt.ylabel('Salary in USD', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()
六、组合图表
6.1 多维度薪资分析
结合经验水平、工作类型和公司规模三个维度，分析它们对薪资的影响：
fig, axes = plt.subplots(1, 3, figsize=(18, 6))
# 经验水平与薪资
axes[0].boxplot([df[df['experience_level'] == 'EN']['salary_in_usd'],
df[df['experience_level'] == 'MI']['salary_in_usd'],
df[df['experience_level'] == 'SE']['salary_in_usd'],
df[df['experience_level'] == 'EX']['salary_in_usd']],
labels=['EN', 'MI', 'SE', 'EX'])
axes[0].set_title('Salary vs Experience Level', fontsize=12, fontweight='bold')
axes[0].set_xlabel('Experience Level', fontsize=10)
axes[0].set_ylabel('Salary in USD', fontsize=10)
axes[0].grid(linestyle='--', alpha=0.7)
# 工作类型与薪资
axes[1].boxplot([df[df['employment_type'] == 'FT']['salary_in_usd'],
df[df['employment_type'] == 'PT']['salary_in_usd'],
df[df['employment_type'] == 'CT']['salary_in_usd'],
df[df['employment_type'] == 'FL']['salary_in_usd']],
labels=['FT', 'PT', 'CT', 'FL'])
axes[1].set_title('Salary vs Employment Type', fontsize=12, fontweight='bold')
axes[1].set_xlabel('Employment Type', fontsize=10)
axes[1].set_ylabel('Salary in USD', fontsize=10)
axes[1].grid(linestyle='--', alpha=0.7)
# 公司规模与薪资
axes[2].boxplot([df[df['company_size'] == 'S']['salary_in_usd'],
df[df['company_size'] == 'M']['salary_in_usd'],
df[df['company_size'] == 'L']['salary_in_usd']],
labels=['S', 'M', 'L'])
axes[2].set_title('Salary vs Company Size', fontsize=12, fontweight='bold')
axes[2].set_xlabel('Company Size', fontsize=10)
axes[2].set_ylabel('Salary in USD', fontsize=10)
axes[2].grid(linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()
七、总结
通过对2023年数据科学薪资数据集的深入可视化分析，我们获得以下洞察：
- 数据科学领域的薪资呈现出明显的分层现象，与经验水平、公司规模和工作类型密切相关
- 高级和主管职位的薪资显著高于初级和中级职位
- 大型公司的薪资水平普遍高于中小型公司
- 全职员工的薪资通常高于兼职、约聘和自由职业者
这些发现不仅为数据科学从业者提供了薪资参考，也为人力资源部门和企业管理者在制定薪资策略时提供了数据支持。数据可视化的力量在于它能够将复杂的数据关系直观地呈现出来，帮助我们更好地理解和决策。
注： 博主目前收集了6900+份相关数据集，有想要的可以领取部分数据：
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
