python 데이터 분석의 직원 개인 정보 시각 화

실험 목적
(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!