分析数据分析岗位实习信息（3、补充）

接着上一篇继续的数据进行分析

5.4 公司规模

df.loc[:,'公司规模'].value_counts()

我们把公司规模按照人数分为3类：2000人的为大型公司，15人的为小型公司，其他为中型公司。则有，大型企业：156 ， 中型企业：244 ， 小型企业：10。

plt.figure(figsize=(6,9))
#定义饼状图的标签，标签是列表
labels = [u'大型企业',u'中型企业',u'小型企业']
#每个标签占多大，会自动去算百分比
sizes = [156,244,10]
colors = ['red','yellowgreen','lightskyblue']
#将某部分爆炸出来， 使用括号，将第一块分割出来，数值的大小是分割出来的与其他两块的间隙
explode = (0.05,0,0)
 
patches,l_text,p_text = plt.pie(sizes,explode=explode,labels=labels,colors=colors,
                                labeldistance = 1.1,autopct = '%3.1f%%',shadow = True,
                                startangle = 90,pctdistance = 0.6)
# 参数：
#labeldistance，文本的位置离远点有多远，1.1指1.1倍半径的位置
#autopct，圆里面的文本格式，%3.1f%%表示小数有三位，整数有一位的浮点数
#shadow，饼是否有阴影
#startangle，起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看
#pctdistance，百分比的text离圆心的距离
#patches, l_texts, p_texts，为了得到饼图的返回值，p_texts饼图内部文本的，l_texts饼图外label的文本
 
#改变文本的大小
#方法是把每一个text遍历。调用set_size方法设置它的属性
for t in l_text:
    t.set_size(20)
for t in p_text:
    t.set_size(15)
# 设置x，y轴刻度一致，这样饼图才能是圆的
plt.axis('equal')
plt.title('数据分析岗位企业规模')
plt.legend()
plt.show()

plt.figure(figsize=(6,9))
labels = [u'大型企业',u'中型企业',u'小型企业']
#每个标签占多大，会自动去算百分比
sizes = [156,244,10]
plt.pie(sizes, labels=labels, startangle = 90,autopct = '%3.1f%%',pctdistance = 0.8,
        counterclock = False, wedgeprops = {'width' : 0.5});

for t in l_text:
    t.set_size(20)
for t in p_text:
    t.set_size(15)

plt.axis('equal')
plt.title('数据分析岗位企业规模')
plt.legend()
plt.show()

使用seaborn、pyecharts画图

5.1节的"城市与职位数量"

使用seaborn、pyecharts进行画图，与matplotlib进行对比。

# seaborn
plt.figure(figsize=(10, 10), dpi=80)
x = city[:15].index
y = city[:15].values
sns.barplot(x=x, y=y, data=df,capsize=.05)
plt.xlabel('城市')
plt.ylabel('职位数量')
plt.title('城市与职位数量')
plt.show()

# pyecharts
x = city[:15].index
y = city[:15].values
x1 = list(x)
# y1 = list(y)
y1=[147, 109, 40, 22, 17, 12, 11, 8, 5, 4, 4, 4, 3, 3, 3]
bar = Bar()
#指定柱状图的横坐标
bar.add_xaxis(x1)
#指定柱状图的纵坐标，而且可以指定多个纵坐标
bar.add_yaxis("职位数量", y1)
bar.set_global_opts(title_opts=opts.TitleOpts(title="城市与职位数量"))
bar.render_notebook()

matplotlib：

seaborn

pyecharts：

5.2.2 月薪与城市

plt.figure(figsize=(20, 10), dpi=80)
x = salary_by_city_sort.index
y = salary_by_city_sort.values
sns.barplot(x=x, y=y, data=df,capsize=.05,label="num")
plt.xlabel('城市')
plt.ylabel('职位数量')
plt.title('城市与平均月薪')
plt.legend(loc="upper right")
plt.show()

matplotlib：

seaborn：

代码链接：https://github.com/guotianyi960531/shixiseng_Dataget
*End