大数据治理（高级） 课件 西财 实训项目6：人力资源数据可视化.pptx

实训6人力资源数据可视化

项目背景实训目标技术准备实训任务实训步骤目录

项目背景在前面的章节中我们已经对本章节的数据进行了介绍和预处理，本章节直接使用该数据进行实验结果可视化分析，本章节使用员工对公司的满意程度、对公司的评价、在职期间完成的项目数量、每月平均工作时长、工龄、工作差错、离职情况、五年内有没有提升、工作部门以及薪资水平等10个因素之间的相互影响进行可视化分析，以便于后续的公司管理和改进做决策。

实训目标?掌握数据分组统计方法；?掌握数据可视化中条形图的使用；?掌握数据可视化中柱状图的使用；?掌握数据可视化中散点图的使用；?掌握数据可视化中饼图的使用；?掌握数据可视化中综合图形使用。

技术准备pyplot添加各类标签的常用函数函数名称函数作用title在当前图形中添加标题，可以指定标题的名称、位置、颜色、字体大小等参数xlabel在当前图形中添加x轴名称，可以指定位置、颜色、字体大小等参数ylabel在当前图形中添加y轴名称，可以指定位置、颜色、字体大小等参数xlim指定当前图形x轴的范围，只能确定一个数值区间，而无法使用字符串标识ylim指定当前图形y轴的范围，只能确定一个数值区间，而无法使用字符串标识xticks指定x轴刻度的数目与取值yticks指定y轴刻度的数目与取值legend指定当前图形的图例，可以指定图例的大小、位置、标签

?importmatplotlib.pyplotaspltimportnumpyasnp#创建画布plt.figure()x=np.linspace(0,1,1000)plt.title(y=x^2y=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()

中文字符显示plt.figure()x=np.arange(0,10,0.2)y=np.sin(x)plt.title(sin曲线)plt.plot(x,y)plt.show()

中文字符显示plt.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

图像展示折线图：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(折线图)plt.show()

图像展示折线图：plt.plot(x,y)条形图：plt.bar(x,y)散点图：plt.scatter(x,y)饼图（数据，数据对应的标签，百分数保留两位小数点）plt.pie(x,labels=labels,autopct=%1.2f%%,pctdistance=0.8,shadow=True)

图像展示子图：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()

图像展示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,shadow=True)plt.show()

实训任务（1）薪资水平均衡可视化分析（2）岗位人数均衡可视化分析（3）薪资与满意度可视化分析（4）