#|【Python数据分析学习实例】pandas库数据预处理 #|Python

问题描述如数据表字段（工号，姓名，性别[男/女]，省份[自定义]，学历[大专/本科/硕士/博士]，工资[自定义金额]，消费[自定义金额]，存款[自定义金额]）。

工号	姓名	性别	省份	学历	工资	消费
1001	张三	女	湖南	博士	10000	5000

······
要求如下：

自定义数据及文件格式。
能够存取数据文件。
不少于3种数据处理方式（自定义常规处理方法）。
根据结果进行绘图（样式不能相同）。

代码实现实验结果
【#|【Python数据分析学习实例】pandas库数据预处理】

文章图片

完整代码

import numpy as np import pandas as pd import matplotlib.pyplot as plt from collections import Counterplt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号data = https://www.it610.com/article/pd.read_csv("data.csv")fig = plt.figure(figsize=(8,9))province = dict(Counter(data.省份)) ax1 = fig.add_subplot(3,1,1) plt.title('员工省份统计') plt.bar(province.keys(),province.values(),align='center') plt.xticks(rotation =90)Average_salary = dict(data.groupby(data['学历'])['工资'].mean()) ax2 = fig.add_subplot(3,2,3) plt.title('不同学历的薪资水平') plt.plot(Average_salary.keys(), Average_salary.values())ax3 = fig.add_subplot(3,2,4) plt.title('员工消费情况') plt.plot(data.工号, data.工资, color='green', label='工资') plt.plot(data.工号, data.消费, color='red', label='消费') plt.plot(data.工号, data.存款,color='skyblue', label='存款') plt.legend() # 显示图例education = dict(Counter(data.学历)) ax5 = fig.add_subplot(3,2,5) plt.title('员工学历统计') plt.pie(x = education.values(),labels = education.keys(),autopct='%d个')ax6 = fig.add_subplot(3,2,6) Education_Statistics = pd.crosstab(data.性别,data.学历) Education_Statistics.plot(kind='bar',title='性别与学历情况关系图',ax = ax6)plt.tight_layout() plt.show()