11.4综合案例：巴尔的摩公务员工资数据分析

数据来源

以美国市巴尔的魔2016年公务员工资的数据集为基础，通过可视化手段，分析其工资情况（该数据为美国政府公开的公职人员的薪资数据）。

其中：Name姓名 JobTitle职称名称 AgencyID工号 Agency单位 HireDate入职日期AnnualSalary年薪 GrossPay总薪资（税前）

从官网上下载CSV文件通过pandas读取，加载该数据，如下：

from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
salary=pd.read_csv(open(r'D:\Baltimore_City_Employee_Salaries_FY2016.csv'))
salary.head()

image.png

定义问题

本次分析，围绕工资提出几个问题：年薪的分布情况、公务人员入职日期的情况、年薪最高的植物和人数最多的职位。

数据清洗

首先对数据进行简单描述，看是否有缺失值，如下图所示：

image.png

可以看出GrossPay列有272个缺失值，因为这里样本值足够，直接删除这些样本即可，如下图所示：

image.png

通过观察数据，发现年薪和薪资都是字符串结构的，有“$”符号，需将其去掉，并转换为浮点型，如下所示：

image.png

对于入职日期，可以新建一列，用于存放入职月份，如下如：

image.png

数据探索

对年薪进行直方图绘制，如下图：

image.png

然后对入职的月份进行计数并绘制柱状图，如下图，入职的高峰期为9月、8月和6月。

image.png

接着通过聚合运算，计算各职位的年薪平均值和职位个数，如下图：

image.png

然后再对年薪平均值进行降序排序，取前五名绘制柱状图，如图,可以看出STATE'S ATTORNEY的年薪最高

image.png

按照同样的方法绘制职位人数排名柱状图，如下：可以看出Police Officer警察职位远多于其他职位。

image.png