Làm việc với dữ liệu số

Phân tích dữ liệu khám phá trong Python

George Boorman

Curriculum Manager, DataCamp

Bộ dữ liệu lương gốc

print(salaries.info())

Bộ dữ liệu lương gốc

<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

Lương theo rupee

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

Chuyển chuỗi thành số

Xóa dấu phẩy trong Salary_In_Rupees

Đổi kiểu cột sang float

Tạo cột mới bằng cách quy đổi tiền tệ

Tờ đô la

Chuyển chuỗi thành số

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

Chuyển chuỗi thành số

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

1 Rupee Ấn Độ = 0.012 Đô la Mỹ

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

Xem trước cột mới

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

Thêm thống kê tóm tắt vào DataFrame

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

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

Thêm thống kê tóm tắt vào DataFrame

Nhóm theo cột Experience

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

Thêm thống kê tóm tắt vào DataFrame

Sau đó chọn cột Salary_USD

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

Thêm thống kê tóm tắt vào DataFrame

Gọi phương thức pandas .transform

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

Thêm thống kê tóm tắt vào DataFrame

Áp dụng hàm lambda

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

Thêm thống kê tóm tắt vào 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

Thêm thống kê tóm tắt vào 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!

Phân tích dữ liệu khám phá trong Python