公共部分

```

# 引入数据分析工具 Pandas

import pandas as pd

# 引入数据可视化工具 Matplotlib

import matplotlib.pyplot as plt

# 引入数据可视化工具 Seaborn (基于matplotlib)

import seaborn as sns

# 解决输出时的列名对齐问题

pd.set_option('display.unicode.east_asian_width', True)

# 解决输出中文乱码问题

plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置显示中文字体

plt.rcParams['axes.unicode_minus'] = False  # 设置正常显示符号

 

# 读取CSV文件

data = pd.read_csv('E:\\practiceCode\\pythonCode\\source\\DataAnalyst.csv',encoding='gbk')

# 显示前5行数据

# print(df.head())

# 清洗薪水数据

data['薪水'] = data['薪水'].str.replace('k','000') # 将k替换为000

data['薪水'] = data['薪水'].str.replace('以上','') # 去除以上

data['薪水'] = data['薪水'].str.split('-') # 根据'-'分割字符串 [1000,2000]

# 定义 计算平均薪水函数

def calculate_salary(x):

    try:

        if len(x) > 1:

         return (int(x[0]) + int(x[1])) / 2

        else:

            return int(x[0])

    except:

        return None

# 应用函数到薪水列   计算平均薪水

data['薪水'] = data['薪水'].apply(calculate_salary)

```

柱状图

```

# 1. 数据分析师平均薪水

avg_salary = data[data['职位名称'] == '数据分析师']['薪水'].mean()

print('数据分析师平均薪水:',avg_salary)

# 2. 数据分析师不同城市薪资状态 (条形图)

plt.figure(figsize=(10,6)) # 设置画布大小

plt.title("数据分析师薪资分布(按城市)") # 设置标题

sns.barplot(x='城市',y='薪水',data=data[data['职位名称'] == '数据分析师'])

plt.show() # 展示

# 3. 数据分析师不同学历的薪资状态

plt.figure(figsize=(10,6)) # 设置画布大小

plt.title("数据分析师薪资分布(按学历)") # 设置标题

sns.barplot(x='教育要求',y='薪水',data=data[data['职位名称'] == '数据分析师'])

plt.show() # 展示

```

条形图

```

# 计算不同公司数据分析师的数量 并生成柱状图

company_count = data[data['职位名称'] == '数据分析师']['公司简称'].value_counts()

# 取前10个元素

company_count = company_count[:10]

# 绘制柱状图

plt.figure(figsize=(10,6))

sns.barplot(x=company_count.index, y=company_count.values)

plt.title('不同公司数据分析师数量(前10)')

plt.xlabel('公司')

plt.ylabel('数量')  

plt.show()

```

```

# 不同学历的数据分析师 数量

degree_count = data[data['职位名称'] == '数据分析师']['教育要求'].value_counts()

#生成柱状图

plt.figure(figsize=(10,6))

sns.barplot(x=degree_count.index, y=degree_count.values)

plt.title('不同学历的数据分析师数量')

plt.xlabel('学历要求')

plt.ylabel('数量')

plt.show()

```