联合国发布的《2020年世界妇女:趋势和数据》报告显示,全球只有不到50%处于工作年龄的妇女进入了劳动力市场,这一数字在过去的25年里几乎没有变化。妇女承担了大量的无偿家务和护理工作,限制了她们的经济潜力;同时,经济赋权、教育程度、生育的禁锢、新冠大流行等原因更对妇女参加工作劳动造成巨大影响。
该数据集(female-labor-force-by-age.csv)主要收录了A-Z排列的各国女性在1990-2030年间按年龄组分类的劳动参与人数(部分数据为预测值)。本文对数据集的分析将不先做结论的假设预测,而是进行EDA分析,通过可视化来显示数据之间的关联,从而挖掘出影响各国女性劳动力参与水平的因素及程度。
一、数据预处理
- 由于源数据是以分号为分隔符的csv文件,故在读入python时需要注意。
import pandas as pd import numpy as np import os import seaborn as sns import matplotlib as plt import pyecharts from chart_studio import plotly as py import cufflinks as cf cf.set_config_file(offline=True, theme='ggplot') from pyecharts.charts import Map,Timeline from pyecharts import options as opts from pyecharts.faker import Faker from pyecharts.globals import ChartType, SymbolType df=pd.read_csv('D:/KDD/female_labor_force_by_age.csv', sep = ';')
表内提供了7585条数据。
-
缺失值处理
-
df.isnull().any() df.loc[df.isnull().any(axis=1)].index
首先检测存在空值的字段,只有国家和地区代码这个字段有缺失值;原本可以使用正则表达式或pandas的replace()函数补充缺失值,但由于国家代码较多又需要逐一查询名称&#
-