数据集介绍
本数据集来源于kaggle，原始数据集共有3755条, 11列特征，各特征具体含义如下：
work_year:发工资的年份。
experience_level:该职位在一年内的经验水平
employment_type:角色的雇佣类型
job_title:这一年中工作的角色
工资:支付的工资总额
salary_currency:作为ISO 4217货币代码支付的工资的货币
salaryinusd:以美元计算的工资
employee_residence:作为ISO 3166国家代码，雇员在工作年度的主要居住国家
remote_ratio:远程完成的总工作量
company_location:雇主的主要办事处或承包分公司所在的国家
company_size:该年度为该公司工作的人数中位数
可视化分析
首先导入本次可视化用到的第三方库，并使用pandas导入数据集
import numpy as np import pandas as pd import matplotlib.pyplot as plt import plotly.express as px import seaborn as sns import country_converter as coco import warnings warnings.filterwarnings('ignore') sns.set_theme() sns.set(rc = {"figure.figsize":(8,6)}) df = pd.read_csv('ds_salaries.csv') df.head()
1.分析2023年排名前十的岗位
# Top 10 Job Titles in 2023 jobs = df[df['work_year']==2023]['job_title'].value_counts().nlargest(10).reset_index() fig, ax = plt.subplots() ax = sns.barplot(ax = ax, data = jobs , y = jobs['index'], x = jobs.job_title) ax.set(ylabel='Job Titles',xlabel='Counts', title='Top 10 Job Titles in 2023') ax.bar_label(ax.containers[0], padding = 2) plt.show()
正如您所看到的，数据工程师最多，其次是数据科学家和数据分析师。
2.分析工作经验水平情况
# Experience Levels df['experience_level'] = df['experience_level'].replace('EN','Entry-level/Junior') df['experience_level'] = df['experience_level'].replace('MI','Mid-level/Intermediate') df['experience_level'] = df['experience_level'].replace('SE','Senior-level/Expert') df['experience_level'] = df['experience_level'].replace('EX','Executive-level/Director') fig, ax = plt.subplots() sns.countplot(ax = ax, data = df, x = df.experience_level) ax.set(xlabel='', ylabel='Counts', title='Experience Levels') ax.bar_label(ax.containers[0]) plt.show()
正如您所看到的，高级职位的计数最高，其次是中级和初级职位。与其他级别的职位相比，总监级别的职位更少。
3.分析雇佣类型情况
# Employment Types df['employment_type'] = df['employment_type'].replace('FT','Full-Time') df['employment_type'] = df['employment_type'].replace('PT','Part-Time') df['employment_type'] = df['employment_type'].replace('CT','Contract') df['employment_type'] = df['employment_type'].replace('FL','Freelance') fig, ax = plt.subplots() sns.countplot(ax = ax, data = df, x = df.employment_type, hue = 'experience_level') ax.set(xlabel='', ylabel='Counts', title='Number of Employment Types') ax.bar_label(ax.containers[0]) ax.bar_label(ax.containers[1]) ax.bar_label(ax.containers[2]) ax.bar_label(ax.containers[3]) plt.show()
正如你所看到的，这里有相当多的人是全职工作。在全职员工中，大多数是高级员工。我们观察到自由职业现在不那么流行了。
4.分析薪资最高的岗位
# Salaries by Job Titles job_title_salary = df['salary_in_usd'].groupby(df['job_title']).mean().round(0).nlargest(15).sort_values(ascending = False).reset_index() fig, ax = plt.subplots() ax = sns.barplot(ax = ax, data = job_title_salary , y = job_title_salary.job_title, x = job_title_salary.salary_in_usd) ax.set(ylabel='Job titles',xlabel='Salary in usd', title='Top 15 Average Salaries by Job Titles') ax.bar_label(ax.containers[0], padding = 2) plt.show()
正如我们所料，一般在行政级别工作的人的平均工资要高一些。由于云计算的趋势，云数据架构师是收入第二高的职业。
5.分析薪资最高的雇佣类型
# Salaries by Employment Types avg_salaries = df.groupby('employment_type')['salary_in_usd'].mean().round(0).sort_values(ascending = False).reset_index() fig, ax = plt.subplots() sns.barplot(ax =ax,data = df , x = 'employment_type', y = 'salary_in_usd',errorbar = None, hue = 'work_year') ax.set(xlabel='', ylabel='Dollars', title='Average Salaries in Dollars Per Year') ax.bar_label(ax.containers[3], padding = 2) plt.show()
正如你所看到的，全职员工的平均工资多年来一直在增长。这表明公司关心数据科学。第二高的薪水属于自由职业者，这清楚地表明了自由职业者的增长趋势。
6.分析平均薪资最高的年份
# Salaries by Work Years year_based_salary=df['salary_in_usd'].groupby(df['work_year']).mean() plt.title("Average Salaries based on Work Year") plt.xlabel('Work Year') plt.ylabel('Salary') sns.lineplot(x=['2020', '2021', '2022','2023'],y=year_based_salary) plt.show()
正如你所看到的，数据驱动型工作的平均工资每年都在增长，在2021年到2022年之间的增幅尤其显著。这一趋势凸显了对该领域熟练专业人员的需求日益增长。
7.绘制公司分布热力地图
# Remote Jobs Locations rr = df.groupby('company_location')['remote_ratio'].mean().reset_index() rr['company_location'] = coco.convert(names = rr['company_location'], to = "ISO3") fig = px.choropleth(rr, locations = rr.company_location, color = rr.remote_ratio, labels={'company_location':'Country','remote_ratio':'Remote Jobs Ratio'}) fig.update_layout(title = "Remote Jobs Locations") fig.show()
