python 데이터 분석의 직원 개인 정보 시각 화
(1)카운터 클래스 를 능숙 하 게 사용 하여 집계
(2)pandas 의 cut 방법 을 파악 하여 분류 한다.
(3)matplotlib 제3자 라 이브 러 리 를 파악 하고 이 제3자 라 이브 러 리 를 능숙 하 게 사용 하여 도형 을 그 릴 수 있 습 니 다.
실험 내용
수집 한 데이터 세트 는 다음 표 와 같 습 니 다.
3.실험 요구
1.성별 에 따라 분류 한 다음 에 남자 와 여자 의 총 수입 을 모 아 직사 도 로 보 여 준다.
2.남자 와 여자 가 각각 회사 전체 인원수 에서 차지 하 는 비율 을 부채 형 그림 으로 보 여 준다.
3.연령 대별 로 분류(20~29 세,30~39 세,40~49 세)한 뒤 연령 대별 로 몇 명인 지 를 집계 해 직사 도 로 보 여 준다.
import pandas as pd
import matplotlib.pyplot as plt
from collections import Counter
info = [{"name": "E001", "gender": "man", "age": "34", "sales": "123", "income": 350},
{"name": "E002", "gender": "feman", "age": "40", "sales": "114", "income": 450},
{"name": "E003", "gender": "feman", "age": "37", "sales": "135", "income": 169},
{"name": "E004", "gender": "man", "age": "30", "sales": "139", "income": 189},
{"name": "E005", "gender": "feman", "age": "44", "sales": "117", "income": 183},
{"name": "E006", "gender": "man", "age": "36", "sales": "121", "income": 80},
{"name": "E007", "gender": "man", "age": "32", "sales": "133", "income": 166},
{"name": "E008", "gender": "feman", "age": "26", "sales": "140", "income": 120},
{"name": "E009", "gender": "man", "age": "32", "sales": "133", "income": 75},
{"name": "E010", "gender": "man", "age": "36", "sales": "133", "income": 40}
]
#
def get_data():
df = pd.DataFrame(info)#DataFrame
df[["age"]] = df[["age"]].astype(int) # int
df[["sales"]] = df[["sales"]].astype(int) # int
return df
def group_by_gender(df):
var = df.groupby('gender').sales.sum()#groupby Key, Key-Value , Key
fig = plt.figure()
ax1 = fig.add_subplot(211)#2*1 ,1
ax1.set_xlabel('Gender') # x
ax1.set_ylabel('Sum of Sales') # y
ax1.set_title('Gender wise Sum of Sales') #
var.plot(kind='bar')
plt.show() #
def group_by_age(df):
age_list = [20, 30, 40, 50]
res = pd.cut(df['age'], age_list, right=False)
count_res = pd.value_counts(res)
df_count_res = pd.DataFrame(count_res)
print(df_count_res)
plt.hist(df['age'], bins=age_list, alpha=0.7) # age_list
#
plt.xlabel("nums")
#
plt.ylabel("ages")
#
plt.title("pic")
plt.show()
def gender_count(df):
res = df['gender'].value_counts()
df_res = pd.DataFrame(res)
label_list = df_res.index
plt.axis('equal')
plt.pie(df_res['gender'], labels=label_list,
autopct='%1.1f%%',
shadow=True, #
explode=[0, 0.1]) # 0 : ,0.1: 0.1
plt.title('gender ratio')
plt.show()
print(df_res)
print(label_list)
if __name__ == '__main__':
data = get_data()
group_by_gender(data)
gender_count(data)
group_by_age(data)
python 데이터 분석 에 관 한 직원 의 개인 정보 시각 화 에 관 한 이 글 은 여기까지 소개 되 었 습 니 다.더 많은 관련 python 직원 정보 시각 화 내용 은 저희 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 조회 하 시기 바 랍 니 다.앞으로 저 희 를 많이 사랑 해 주세요!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
로마 숫자를 정수로 또는 그 반대로 변환그 중 하나는 로마 숫자를 정수로 변환하는 함수를 만드는 것이었고 두 번째는 그 반대를 수행하는 함수를 만드는 것이었습니다. 문자만 포함합니다'I', 'V', 'X', 'L', 'C', 'D', 'M' ; 문자열이 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.