大數(shù)據(jù)治理（高級） 課件 西財 實訓(xùn)項目6：人力資源數(shù)據(jù)可視化

實訓(xùn)6人力資源數(shù)據(jù)可視化項目背景實訓(xùn)目標技術(shù)準備實訓(xùn)任務(wù)實訓(xùn)步驟目錄項目背景在前面的章節(jié)中我們已經(jīng)對本章節(jié)的數(shù)據(jù)進行了介紹和預(yù)處理，本章節(jié)直接使用該數(shù)據(jù)進行實驗結(jié)果可視化分析，本章節(jié)使用員工對公司的滿意程度、對公司的評價、在職期間完成的項目數(shù)量、每月平均工作時長、工齡、工作差錯、離職情況、五年內(nèi)有沒有提升、工作部門以及薪資水平等10個因素之間的相互影響進行可視化分析，以便于后續(xù)的公司管理和改進做決策。實訓(xùn)目標掌握數(shù)據(jù)分組統(tǒng)計方法；掌握數(shù)據(jù)可視化中條形圖的使用；掌握數(shù)據(jù)可視化中柱狀圖的使用；掌握數(shù)據(jù)可視化中散點圖的使用；掌握數(shù)據(jù)可視化中餅圖的使用；掌握數(shù)據(jù)可視化中綜合圖形使用。技術(shù)準備pyplot添加各類標簽的常用函數(shù)函數(shù)名稱函數(shù)作用title在當前圖形中添加標題，可以指定標題的名稱、位置、顏色、字體大小等參數(shù)xlabel在當前圖形中添加x軸名稱，可以指定位置、顏色、字體大小等參數(shù)ylabel在當前圖形中添加y軸名稱，可以指定位置、顏色、字體大小等參數(shù)xlim指定當前圖形x軸的范圍，只能確定一個數(shù)值區(qū)間，而無法使用字符串標識ylim指定當前圖形y軸的范圍，只能確定一個數(shù)值區(qū)間，而無法使用字符串標識xticks指定x軸刻度的數(shù)目與取值yticks指定y軸刻度的數(shù)目與取值legend指定當前圖形的圖例，可以指定圖例的大小、位置、標簽

importmatplotlib.pyplotaspltimportnumpyasnp#創(chuàng)建畫布plt.figure()x=np.linspace(0,1,1000)plt.title('y=x^2&y=x')plt.xlabel('x')plt.ylabel('y')plt.xlim((0,1))plt.ylim((0,1))plt.xticks([0,0.3,0.6,1])plt.yticks([0,0.5,1])plt.plot(x,x**2)plt.plot(x,x)plt.legend(['y=x^2','y=x'])#plt.savefig("save_fig.png")plt.show()中文字符顯示plt.figure()x=np.arange(0,10,0.2)y=np.sin(x)plt.title('sin曲線')plt.plot(x,y)plt.show()中文字符顯示plt.rcParams['font.sans-serif']=['SimHei']#用來正常顯示中文標簽plt.rcParams['axes.unicode_minus']=False#用來正常顯示負號圖像展示折線圖：plt.plot(x,y)plt.figure()x=np.array([1,2,3,4,5,6,7,8,9,10])y=np.array([87,82,92,84,85,79,86,88,75,84])plt.plot(x,y)plt.xlabel('x')plt.ylabel('y')plt.title('折線圖')plt.show()圖像展示折線圖：plt.plot(x,y)條形圖：plt.bar(x,y)散點圖：plt.scatter(x,y)餅圖（數(shù)據(jù)，數(shù)據(jù)對應(yīng)的標簽，百分數(shù)保留兩位小數(shù)點）plt.pie(x,labels=labels,autopct='%1.2f%%',pctdistance=0.8,shadow=True)圖像展示子圖：x=np.array([1,2,3,4,5])y=np.array([87,82,92,84,85])plt.subplot(2,2,1)plt.plot(x,y)plt.subplot(2,2,2)plt.bar(x,y)plt.subplot(2,2,3)plt.scatter(x,y)plt.subplot(2,2,4)labels=['A','B','C','D','E']plt.pie(y,labels=labels,autopct='%0.1f%%',pctdistance=0.7,shadow=True)plt.show()圖像展示x=np.array([1,2,3,4,5])y=np.array([87,82,92,84,85])fig,axes=plt.subplots(2,2)ax1=axes[0,0]ax2=axes[0,1]ax3=axes[1,0]ax4=axes[1,1]ax1.plot(x,y)ax2.bar(x,y)ax3.scatter(x,y)labels=['A','B','C','D','E']ax4.pie(y,labels=labels,autopct='%0.1f%%',pctdistance=0.7,sha