Lavorare con dati numerici

Analisi esplorativa dei dati in Python

George Boorman

Curriculum Manager, DataCamp

Il dataset originale delle retribuzioni

print(salaries.info())

Il dataset originale delle retribuzioni

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 594 entries, 0 to 593
Data columns (total 9 columns):
 #   Column                Non-Null Count  Dtype  
--   ------                --------------  -----  
 0   Working_Year          594 non-null    int64  
 1   Designation           567 non-null    object 
 2   Experience            561 non-null    object 
 3   Employment_Status     563 non-null    object 
 4   Salary_In_Rupees      566 non-null    object 
 5   Employee_Location     554 non-null    object 
 6   Company_Location      570 non-null    object 
 7   Company_Size          535 non-null    object 
 8   Remote_Working_Ratio  571 non-null    float64
dtypes: float64(1), int64(1), object(7)
memory usage: 41.9+ KB
None

Stipendio in rupie

print(salaries["Salary_In_Rupees"].head())

0    20,688,070.00
1     8,674,985.00
2     1,591,390.00
3    11,935,425.00
4     5,729,004.00
Name: Salary_In_Rupees, dtype: object

Convertire stringhe in numeri

Rimuovi le virgole in Salary_In_Rupees

Converti la colonna in tipo float

Crea una nuova colonna convertendo la valuta

Banconote in dollari

Convertire stringhe in numeri

pd.Series.str.replace("characters to remove", "characters to replace them with")

salaries["Salary_In_Rupees"] = salaries["Salary_In_Rupees"].str.replace(",", "")

print(salary["Salary_In_Rupees"].head())

1    20688070.00
2     8674985.00
3     1591390.00
4    11935425.00
5     5729004.00
Name: Salary_In_Rupees, dtype: object

Convertire stringhe in numeri

salaries["Salary_In_Rupees"] = salaries["Salary_In_Rupees"].astype(float)

1 rupia indiana = 0,012 dollari USA

salaries["Salary_USD"] = salaries["Salary_In_Rupees"] * 0.012

Anteprima della nuova colonna

print(salaries[["Salary_In_Rupees", "Salary_USD"]].head())

   Salary_In_Rupees  Salary_USD
0        20688070.0  248256.840
1         8674985.0  104099.820
2         1591390.0   19096.680
3        11935425.0  143225.100
4         5729004.0   68748.048

Aggiungere statistiche di riepilogo a un DataFrame

salaries.groupby("Company_Size")["Salary_USD"].mean()

Company_Size
L    111934.432174
M    110706.628527
S     69880.980179
Name: Salary_USD, dtype: float64

Aggiungere statistiche di riepilogo a un DataFrame

Raggruppa per la colonna Experience

salaries["std_dev"] = salaries.groupby("Experience")

Aggiungere statistiche di riepilogo a un DataFrame

Poi seleziona la colonna Salary_USD

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"]

Aggiungere statistiche di riepilogo a un DataFrame

Chiama il metodo pandas .transform

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"].transform(

Aggiungere statistiche di riepilogo a un DataFrame

Applica una funzione lambda

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"].transform(lambda x: x.std())

Aggiungere statistiche di riepilogo a un DataFrame

print(salaries[["Experience", "std_dev"]].value_counts())

Experience         std_dev
SE                 52995.385395        257
MI                 63217.397343        197
EN                 43367.256303         83
EX                 86426.611619         24

Aggiungere statistiche di riepilogo a un DataFrame

salaries["median_by_comp_size"] = salaries.groupby("Company_Size") \
                                        ["Salary_USD"].transform(lambda x: x.median())

print(salaries[["Company_Size", "median_by_comp_size"]].head())

     Company_Size     median_by_comp_size
0    S                60833.424
1    M                105914.964
2    S                60833.424
3    L                95483.400
4    L                95483.400

Ayo berlatih!

Analisi esplorativa dei dati in Python