Python数据分析18——公务员工资数据分析

巴尔的摩公务员数据分析

数据准备

由于我没有找到我们国家的公务员的工资数据，只能用《从零开始学Python数据分析》这本书提供的美国的巴尔的摩的公务员的工资数据。其实，你也可以直接在网上下载，巴尔的摩公务员数据

查看数据情况

先导入相关的包了打开我们下载好的数据集。

import pandas as pd
import numpy as np
%matplotlib inline
data = pd.read_csv(open('Baltimore.csv'))
data.head()

下面，我来查看数据集与什么数据。

data.shape

还有，再看看它的空数据有多少个。
由于我们的数据集比多多数据，可以忽略272个空想，直接去掉就好了。

data = data.dropna()

去掉空集之后，再来看看数据。

数据清洗

我们之前就看到AnnualSalary和GrossPay两项四有美元符号’ $ '的，所以我们先去掉它。

data['AnnualSalary'] = data['AnnualSalary'].str.strip('$')
data['GrossPay'] = data['GrossPay'].str.strip('$')
data.head()

然后，我们再把两项数据转换为浮点型。

data['AnnualSalary'] = data['AnnualSalary'].astype(float)
data['GrossPay'] = data['GrossPay'].astype(float)

接下来，我们处理日期数据。我们新建一列入职月份的数据，用于后年的分析。

data['month'] = data['HireDate'].str.split('/').str[0]
data[['HireDate', 'month']].head()

探索数据

首先，我们用直方图来看看公务员们的年薪的分布情况。

然后，我们利用刚才新建的入职月份的列，利用横向柱状图查看哪个月份的入职人数最多。

接下来，我们利用聚合运算，来看看各职位的平均年薪和职位个数。

agg_salary = data.groupby('JobTitle')['AnnualSalary'].agg(['mean', 'count'])
agg_salary.head()

查看最高年薪的五个职位。

最后，我们看看最多人数的职位。