一、选题背景介绍及选题意义

本研究旨在探究影响数据科学家薪酬的因素，通过分析相关数据集来寻找这些因素与工资之间的关系。随着数据科学职业的不断发展，对于雇主和雇员来说，了解可能影响薪酬的因素非常重要。本分析将探讨各种因素，包括个人背景、工作经验、技能、地理位置等，以及这些因素对数据科学家薪酬的影响程度。该研究将对数据科学领域的从业者和招聘者提供有价值的信息，帮助他们做出更明智的职业和招聘决策。

二、大数据分析方案

准备数据：

获取科学家薪酬数据，包括work_year，experience_level，employment_type，job，_title，salary_currency，salayinusd，employee_resident，remote_ratio，company_location等数据

。

使用工具如Excel、Python的Pandas库、或其他数据处理工具整理和清理数据。

选择关键指标：

从财务报表中选择关键的财务指标，例如work_year，experience_level，employment_type，job，_title等。

确定分析方向：

定义您希望分析的方向，例如年纪对薪酬的影响，工作时间对薪酬的影响等等。

确定关键的业务问题，以便有针对性地进行可视化分析。

选择可视化工具：

选择适当的可视化工具，如Matplotlib、Seaborn、Plotly（Python库）、Tableau、Power BI等。

根据分析需求选择合适的图表类型，如折线图、柱状图、饼图等。

创建可视化图表：

根据选定的指标和分析方向，创建相应的可视化图表。

可以制作趋势图、对比图、饼图、雷达图等，以展示不同财务指标的变化。

三、数据集简介

数据集包括以下变量：work_year：支付工资的年份。experience_level：一年中工作的经验水平。EN>入门级/初级MI>中级/中级SE>高级/专家执行级/主任employment_type：角色的雇用类型。PT>兼职FT>全职CT>合同FL>自由职业者job_title:这一年中担任的角色。工资：支付的工资总额。salary_currency：作为ISO 4217货币代码支付的工资的货币。salayinusd：以美元为单位的工资。employee_resident：作为ISO 3166国家代码，员工在工作年度的主要居住国。remote_ratio：远程完成的总工作量。company_location：雇主主要办事处或合同分公司所在的国家。company_size：一年中为公司工作的人数中值。

四、数据分析步骤

1.数据源 kaggle，具体网址来源Data Science Job Salaries (kaggle.com)

2.数据清洗

1 import numpy as np
2 import pandas as pd
3 df = pd.read_csv('ds_salaries.csv')
4 print(df.head())

表格

描述已自动生成

1 #这里统一用slary_in_usd为标准计量工资
2 df.drop(columns=['salary', 'salary_currency'], inplace=True)
3 
4 print(df.info())

表格

描述已自动生成

3.数据可视化

 1 # 计算每个职位的出现次数
 2 job_counts = df['job_title'].value_counts()
 3 
 4 # 取前十个职位和其出现次数
 5 top_10_jobs = job_counts.head(10)
 6 other_jobs = job_counts[10:].sum()
 7 
 8 # 构建饼图数据
 9 job_labels = top_10_jobs.index.tolist()
10 job_labels.append('other')
11 job_sizes = top_10_jobs.tolist()
12 job_sizes.append(other_jobs)
13 
14 
15 # 绘制饼图
16 plt.figure(figsize=(8, 6))
17 plt.pie(job_sizes, labels=job_labels, autopct='%1.1f%%', startangle=90)
18 plt.title('Top 10 Job Titles Distribution')
19 plt.axis('equal')
20 plt.show()

图表, 饼图

描述已自动生成

 1 # 计算出现最多的前10个职位
 2 top_10_jobs = df['job_title'].value_counts().head(10).index.tolist()
 3 
 4 # 筛选出前十个职位的数据
 5 df_top_10_jobs = df[df['job_title'].isin(top_10_jobs)]
 6 
 7 # 绘制箱线图
 8 plt.figure(figsize=(10, 6))
 9 plt.boxplot([df_top_10_jobs[df_top_10_jobs['job_title'] == job]['salary_in_usd'] for job in top_10_jobs], labels=top_10_jobs)
10 plt.title('Box Plot of Top 10 Job Titles and Salary Distribution')
11 plt.xlabel('Job Title')
12 plt.ylabel('Salary in USD')
13 plt.xticks(rotation=45)
14 plt.show()

图表, 箱线图

描述已自动生成

 1 import matplotlib.pyplot as plt
 2 
 3 # 绘制直方图
 4 plt.figure(figsize=(8, 6))
 5 plt.hist(df['salary_in_usd'], bins=50, color='skyblue')
 6 
 7 # 设置标题和坐标轴标签
 8 plt.title('Distribution of Salary in USD')
 9 plt.xlabel('Salary (USD)')
10 plt.ylabel('Frequency')
11 
12 # 设置 x 轴刻度
13 plt.xticks(range(0, 450000, 50000))
14 
15 # 显示图形
16 plt.show()

图表, 直方图

描述已自动生成

 1 import seaborn as sns
 2 import matplotlib.pyplot as plt
 3 
 4 # 创建新的数据框，对 salary_in_usd 按照指定的范围进行分组
 5 bins = [0, 50000, 100000, 150000, 200000, 250000, 300000, 350000, 400000, 450000]
 6 labels = ['0-50k', '50k-100k', '100k-150k', '150k-200k', '200k-250k', '250k-300k', '300k-350k', '350k-400k', '400k-450k']
 7 df_new = df[df['company_location'].isin(['US', 'GB', 'CA', 'ES', 'IN'])].copy()
 8 df_new.loc[:, 'salary_range'] = pd.cut(df_new['salary_in_usd'], bins=bins, labels=labels)
 9 
10 # 对数据按照国家和工资水平排序
11 df_new = df_new.sort_values(by=['company_location', 'salary_range'])
12 
13 # 生成热力图所需的数据格式
14 heatmap_data = df_new.groupby(['company_location', 'salary_range']).size().unstack(fill_value=0)
15 
16 # 绘制热力图
17 plt.figure(figsize=(10, 6))
18 sns.heatmap(heatmap_data.T[::-1], cmap='YlGnBu', annot=True, fmt='d', xticklabels=df_new['company_location'].unique(), yticklabels=labels[::-1])
19 plt.title('Salary Distribution by Company Location and Range')
20 plt.xlabel('Company Location')
21 plt.ylabel('Salary Range (USD)')
22 plt.show()

日历

描述已自动生成

1 # 按employment_type分组，并获取salary_in_usd列的值
2 grouped_data = df.groupby('employment_type')['salary_in_usd'].apply(list)
3 
4 # 绘制箱形图
5 plt.boxplot(grouped_data.values, labels=grouped_data.index)
6 plt.xlabel('Employment Type')
7 plt.ylabel('Salary in USD')
8 plt.title('Salary Distribution by Employment Type')
9 plt.show()

图表, 箱线图

描述已自动生成

 1 import seaborn as sns
 2 import matplotlib.pyplot as plt
 3 
 4 # 过滤符合条件的数据，并创建副本
 5 df_new = df[df['company_location'].isin(['US', 'GB', 'CA', 'ES', 'IN'])].copy()
 6 
 7 # 创建交叉表，注意调换行和列的顺序
 8 cross_table = pd.crosstab(df_new['company_size'], df_new['company_location'])
 9 
10 # 绘制热力图
11 plt.figure(figsize=(10, 6))
12 sns.heatmap(cross_table, cmap='YlGnBu', annot=True, fmt='d')
13 plt.xlabel('Company Location')
14 plt.ylabel('Company Size')
15 plt.title('Heatmap of Company Size and Location')
16 plt.yticks(rotation=0)
17 plt.show()

图表

描述已自动生成

 1 # 根据公司规模分组，计算不同规模公司的薪资、雇佣类型和工作经验水平的均值
 2 grouped_df = df.groupby('company_size').agg({
 3 'salary_in_usd': 'mean',
 4 'employment_type': pd.Series.mode,
 5 'experience_level': pd.Series.mode
 6 }).reset_index()
 7 
 8 # 绘制薪资水平柱状图
 9 plt.figure(figsize=(10, 6))
10 sns.barplot(x='company_size', y='salary_in_usd', data=grouped_df)
11 plt.xlabel('Company Size')
12 plt.ylabel('Salary (USD)')
13 plt.title('Average Salary by Company Size')
14 plt.show()

图表, 条形图

描述已自动生成

1 # 绘制雇佣类型和工作经验水平的堆叠柱状图
2 plt.figure(figsize=(10, 6))
3 sns.countplot(x='company_size', hue='employment_type', data=df)
4 plt.xlabel('Company Size')
5 plt.ylabel('Count')
6 plt.title('Employment Type by Company Size')
7 plt.legend(title='Employment Type')
8 plt.show()

图表, 瀑布图

描述已自动生成

1 plt.figure(figsize=(10, 6))
2 sns.countplot(x='company_size', hue='experience_level', data=df)
3 plt.xlabel('Company Size')
4 plt.ylabel('Count')
5 plt.title('Experience Level by Company Size')
6 plt.legend(title='Experience Level')
7 plt.show()

1 import seaborn as sns
2 import matplotlib.pyplot as plt
3 # 绘制远程工作职位不同类型的箱图
4 plt.figure(figsize=(10, 6))
5 sns.boxplot(x='remote_ratio', y='salary_in_usd', data=df)
6 plt.xlabel('Remote Ratio')
7 plt.ylabel('Salary (USD)')
8 plt.title('Salary Distribution by Remote Ratio')
9 plt.show()

 1 # 使用 crosstab 函数计算频率
 2 frequency_table = pd.crosstab(df['employment_type'], df['remote_ratio'], normalize='index')
 3 
 4 # 绘制热力图
 5 plt.figure(figsize=(10, 6))
 6 sns.heatmap(frequency_table, annot=True, cmap='YlGnBu')
 7 plt.xlabel('Remote Ratio')
 8 plt.ylabel('Employment Type')
 9 plt.title('Frequency of Remote Ratio by Employment Type')
10 plt.yticks(rotation=0)
11 plt.show()

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 import seaborn as sns
 5 
 6 df = pd.read_csv('ds_salaries.csv')
 7 
 8 # 绘制职位出现次数的饼图
 9 job_counts = df['job_title'].value_counts()
10 top_10_jobs = job_counts.head(10)
11 other_jobs = job_counts[10:].sum()
12 
13 job_labels = top_10_jobs.index.tolist()
14 job_labels.append('Other')
15 job_sizes = top_10_jobs.tolist()
16 job_sizes.append(other_jobs)
17 
18 plt.figure(figsize=(8, 6))
19 plt.pie(job_sizes, labels=job_labels, autopct='%1.1f%%', startangle=90)
20 plt.title('Top 10 Job Titles Distribution')
21 plt.axis('equal')
22 plt.show()

 1 # 绘制前十个职位的薪资分布的箱线图
 2 top_10_jobs = df['job_title'].value_counts().head(10).index.tolist()
 3 df_top_10_jobs = df[df['job_title'].isin(top_10_jobs)]
 4 
 5 plt.figure(figsize=(10, 6))
 6 plt.boxplot([df_top_10_jobs[df_top_10_jobs['job_title'] == job]['salary_in_usd'] for job in top_10_jobs], labels=top_10_jobs)
 7 plt.title('Box Plot of Top 10 Job Titles and Salary Distribution')
 8 plt.xlabel('Job Title')
 9 plt.ylabel('Salary in USD')
10 plt.xticks(rotation=45)
11 plt.show()

1 # 绘制工资水平的直方图
2 plt.figure(figsize=(8, 6))
3 plt.hist(df['salary_in_usd'], bins=50, color='skyblue')
4 plt.title('Distribution of Salary in USD')
5 plt.xlabel('Salary (USD)')
6 plt.ylabel('Frequency')
7 plt.xticks(range(0, 450000, 50000))
8 plt.show()

 1 # 绘制公司地点和工资范围的热力图
 2 bins = [0, 50000, 100000, 150000, 200000, 250000, 300000, 350000, 400000, 450000]
 3 labels = ['0-50k', '50k-100k', '100k-150k', '150k-200k', '200k-250k', '250k-300k', '300k-350k', '350k-400k', '400k-450k']
 4 df_new = df[df['company_location'].isin(['US', 'GB', 'CA', 'ES', 'IN'])].copy()
 5 df_new.loc[:, 'salary_range'] = pd.cut(df_new['salary_in_usd'], bins=bins, labels=labels)
 6 
 7 df_new = df_new.sort_values(by=['company_location', 'salary_range'])
 8 heatmap_data = df_new.groupby(['company_location', 'salary_range']).size().unstack(fill_value=0)
 9 
10 plt.figure(figsize=(10, 6))
11 sns.heatmap(heatmap_data.T[::-1], cmap='YlGnBu', annot=True, fmt='d', xticklabels=df_new['company_location'].unique(), yticklabels=labels[::-1])
12 plt.title('Salary Distribution by Company Location and Range')
13 plt.xlabel('Company Location')
14 plt.ylabel('Salary Range (USD)')
15 plt.show()

1 # 绘制雇佣类型和工作经验水平的柱状图
2 plt.figure(figsize=(10, 6))
3 sns.countplot(x='company_size', hue='employment_type', data=df)
4 plt.xlabel('Company Size')
5 plt.ylabel('Count')
6 plt.title('Employment Type by Company Size')
7 plt.legend(title='Employment Type')
8 plt.show()

 1 # 根据公司规模分组，计算不同规模公司的薪资的均值
 2 grouped_df = df.groupby('company_size')['salary_in_usd'].mean().reset_index()
 3 
 4 # 设置图表样式
 5 sns.set(style="whitegrid")
 6 
 7 # 绘制柱状图
 8 plt.figure(figsize=(10, 6))
 9 barplot = sns.barplot(x='company_size', y='salary_in_usd', data=grouped_df, palette="Blues_d")
10 
11 # 添加数值标签
12 for p in barplot.patches:
13     barplot.annotate(format(p.get_height(), '.2f'), (p.get_x() + p.get_width() / 2., p.get_height()), ha = 'center', va = 'center', xytext = (0, 5), textcoords = 'offset points')
14 
15 # 添加标题和坐标轴标签
16 plt.title('Average Salary by Company Size')
17 plt.xlabel('Company Size')
18 plt.ylabel('Salary (USD)')
19 
20 # 显示图表
21 plt.show()

 1 # 设置图表样式
 2 sns.set(style="ticks")
 3 
 4 # 绘制箱线图
 5 plt.figure(figsize=(10, 6))
 6 boxplot = sns.boxplot(x='remote_ratio', y='salary_in_usd', data=df, palette="Set3")
 7 
 8 # 添加标题和坐标轴标签
 9 plt.title('Salary Distribution by Remote Ratio')
10 plt.xlabel('Remote Ratio')
11 plt.ylabel('Salary (USD)')
12 
13 # 显示图表
14 plt.show()

总代码

  1 import numpy as np
  2 import pandas as pd
  3 df = pd.read_csv('ds_salaries.csv')
  4 print(df.head())
  5 
  6 #这里统一用slary_in_usd为标准计量工资
  7 df.drop(columns=['salary', 'salary_currency'], inplace=True)
  8 
  9 print(df.info())
 10 
 11 
 12 
 13 import matplotlib.pyplot as plt
 14 
 15 # 计算每个职位的出现次数
 16 job_counts = df['job_title'].value_counts()
 17 
 18 # 取前十个职位和其出现次数
 19 top_10_jobs = job_counts.head(10)
 20 other_jobs = job_counts[10:].sum()
 21 
 22 # 构建饼图数据
 23 job_labels = top_10_jobs.index.tolist()
 24 job_labels.append('other')
 25 job_sizes = top_10_jobs.tolist()
 26 job_sizes.append(other_jobs)
 27 
 28 
 29 # 绘制饼图
 30 plt.figure(figsize=(8, 6))
 31 plt.pie(job_sizes, labels=job_labels, autopct='%1.1f%%', startangle=90)
 32 plt.title('Top 10 Job Titles Distribution')
 33 plt.axis('equal')
 34 plt.show()
 35 
 36 # 计算出现最多的前10个职位
 37 top_10_jobs = df['job_title'].value_counts().head(10).index.tolist()
 38 
 39 # 筛选出前十个职位的数据
 40 df_top_10_jobs = df[df['job_title'].isin(top_10_jobs)]
 41 
 42 # 绘制箱线图
 43 plt.figure(figsize=(10, 6))
 44 plt.boxplot([df_top_10_jobs[df_top_10_jobs['job_title'] == job]['salary_in_usd'] for job in top_10_jobs], labels=top_10_jobs)
 45 plt.title('Box Plot of Top 10 Job Titles and Salary Distribution')
 46 plt.xlabel('Job Title')
 47 plt.ylabel('Salary in USD')
 48 plt.xticks(rotation=45)
 49 plt.show()
 50 
 51 
 52 import matplotlib.pyplot as plt
 53 
 54 # 绘制直方图
 55 plt.figure(figsize=(8, 6))
 56 plt.hist(df['salary_in_usd'], bins=50, color='skyblue')
 57 
 58 # 设置标题和坐标轴标签
 59 plt.title('Distribution of Salary in USD')
 60 plt.xlabel('Salary (USD)')
 61 plt.ylabel('Frequency')
 62 
 63 # 设置 x 轴刻度
 64 plt.xticks(range(0, 450000, 50000))
 65 
 66 # 显示图形
 67 plt.show()
 68 
 69 
 70 
 71 import seaborn as sns
 72 import matplotlib.pyplot as plt
 73 
 74 # 创建新的数据框，对 salary_in_usd 按照指定的范围进行分组
 75 bins = [0, 50000, 100000, 150000, 200000, 250000, 300000, 350000, 400000, 450000]
 76 labels = ['0-50k', '50k-100k', '100k-150k', '150k-200k', '200k-250k', '250k-300k', '300k-350k', '350k-400k', '400k-450k']
 77 df_new = df[df['company_location'].isin(['US', 'GB', 'CA', 'ES', 'IN'])].copy()
 78 df_new.loc[:, 'salary_range'] = pd.cut(df_new['salary_in_usd'], bins=bins, labels=labels)
 79 
 80 # 对数据按照国家和工资水平排序
 81 df_new = df_new.sort_values(by=['company_location', 'salary_range'])
 82 
 83 # 生成热力图所需的数据格式
 84 heatmap_data = df_new.groupby(['company_location', 'salary_range']).size().unstack(fill_value=0)
 85 
 86 # 绘制热力图
 87 plt.figure(figsize=(10, 6))
 88 sns.heatmap(heatmap_data.T[::-1], cmap='YlGnBu', annot=True, fmt='d', xticklabels=df_new['company_location'].unique(), yticklabels=labels[::-1])
 89 plt.title('Salary Distribution by Company Location and Range')
 90 plt.xlabel('Company Location')
 91 plt.ylabel('Salary Range (USD)')
 92 plt.show()
 93 
 94 
 95 
 96 # 按employment_type分组，并获取salary_in_usd列的值
 97 grouped_data = df.groupby('employment_type')['salary_in_usd'].apply(list)
 98 
 99 # 绘制箱形图
100 plt.boxplot(grouped_data.values, labels=grouped_data.index)
101 plt.xlabel('Employment Type')
102 plt.ylabel('Salary in USD')
103 plt.title('Salary Distribution by Employment Type')
104 plt.show()
105 
106 
107 import seaborn as sns
108 import matplotlib.pyplot as plt
109 
110 # 过滤符合条件的数据，并创建副本
111 df_new = df[df['company_location'].isin(['US', 'GB', 'CA', 'ES', 'IN'])].copy()
112 
113 # 创建交叉表，注意调换行和列的顺序
114 cross_table = pd.crosstab(df_new['company_size'], df_new['company_location'])
115 
116 # 绘制热力图
117 plt.figure(figsize=(10, 6))
118 sns.heatmap(cross_table, cmap='YlGnBu', annot=True, fmt='d')
119 plt.xlabel('Company Location')
120 plt.ylabel('Company Size')
121 plt.title('Heatmap of Company Size and Location')
122 plt.yticks(rotation=0)
123 plt.show()
124 
125 
126 # 根据公司规模分组，计算不同规模公司的薪资、雇佣类型和工作经验水平的均值
127 grouped_df = df.groupby('company_size').agg({
128     'salary_in_usd': 'mean',
129     'employment_type': pd.Series.mode,
130     'experience_level': pd.Series.mode
131 }).reset_index()
132 
133 # 绘制薪资水平柱状图
134 plt.figure(figsize=(10, 6))
135 sns.barplot(x='company_size', y='salary_in_usd', data=grouped_df)
136 plt.xlabel('Company Size')
137 plt.ylabel('Salary (USD)')
138 plt.title('Average Salary by Company Size')
139 plt.show()
140 
141 
142 # 绘制雇佣类型和工作经验水平的堆叠柱状图
143 plt.figure(figsize=(10, 6))
144 sns.countplot(x='company_size', hue='employment_type', data=df)
145 plt.xlabel('Company Size')
146 plt.ylabel('Count')
147 plt.title('Employment Type by Company Size')
148 plt.legend(title='Employment Type')
149 plt.show()
150 
151 
152 plt.figure(figsize=(10, 6))
153 sns.countplot(x='company_size', hue='experience_level', data=df)
154 plt.xlabel('Company Size')
155 plt.ylabel('Count')
156 plt.title('Experience Level by Company Size')
157 plt.legend(title='Experience Level')
158 plt.show()
159 
160 
161 import seaborn as sns
162 import matplotlib.pyplot as plt
163 # 绘制远程工作职位不同类型的箱图
164 plt.figure(figsize=(10, 6))
165 sns.boxplot(x='remote_ratio', y='salary_in_usd', data=df)
166 plt.xlabel('Remote Ratio')
167 plt.ylabel('Salary (USD)')
168 plt.title('Salary Distribution by Remote Ratio')
169 plt.show()
170 
171 
172 
173 # 使用 crosstab 函数计算频率
174 frequency_table = pd.crosstab(df['employment_type'], df['remote_ratio'], normalize='index')
175 
176 # 绘制热力图
177 plt.figure(figsize=(10, 6))
178 sns.heatmap(frequency_table, annot=True, cmap='YlGnBu')
179 plt.xlabel('Remote Ratio')
180 plt.ylabel('Employment Type')
181 plt.title('Frequency of Remote Ratio by Employment Type')
182 plt.yticks(rotation=0)
183 plt.show()
184 
185 
186 
187 import numpy as np
188 import pandas as pd
189 import matplotlib.pyplot as plt
190 import seaborn as sns
191 
192 df = pd.read_csv('ds_salaries.csv')
193 
194 # 绘制职位出现次数的饼图
195 job_counts = df['job_title'].value_counts()
196 top_10_jobs = job_counts.head(10)
197 other_jobs = job_counts[10:].sum()
198 
199 job_labels = top_10_jobs.index.tolist()
200 job_labels.append('Other')
201 job_sizes = top_10_jobs.tolist()
202 job_sizes.append(other_jobs)
203 
204 plt.figure(figsize=(8, 6))
205 plt.pie(job_sizes, labels=job_labels, autopct='%1.1f%%', startangle=90)
206 plt.title('Top 10 Job Titles Distribution')
207 plt.axis('equal')
208 plt.show()
209 
210 
211 # 绘制前十个职位的薪资分布的箱线图
212 top_10_jobs = df['job_title'].value_counts().head(10).index.tolist()
213 df_top_10_jobs = df[df['job_title'].isin(top_10_jobs)]
214 
215 plt.figure(figsize=(10, 6))
216 plt.boxplot([df_top_10_jobs[df_top_10_jobs['job_title'] == job]['salary_in_usd'] for job in top_10_jobs], labels=top_10_jobs)
217 plt.title('Box Plot of Top 10 Job Titles and Salary Distribution')
218 plt.xlabel('Job Title')
219 plt.ylabel('Salary in USD')
220 plt.xticks(rotation=45)
221 plt.show()
222 
223 
224 # 绘制工资水平的直方图
225 plt.figure(figsize=(8, 6))
226 plt.hist(df['salary_in_usd'], bins=50, color='skyblue')
227 plt.title('Distribution of Salary in USD')
228 plt.xlabel('Salary (USD)')
229 plt.ylabel('Frequency')
230 plt.xticks(range(0, 450000, 50000))
231 plt.show()
232 
233 
234 # 绘制公司地点和工资范围的热力图
235 bins = [0, 50000, 100000, 150000, 200000, 250000, 300000, 350000, 400000, 450000]
236 labels = ['0-50k', '50k-100k', '100k-150k', '150k-200k', '200k-250k', '250k-300k', '300k-350k', '350k-400k', '400k-450k']
237 df_new = df[df['company_location'].isin(['US', 'GB', 'CA', 'ES', 'IN'])].copy()
238 df_new.loc[:, 'salary_range'] = pd.cut(df_new['salary_in_usd'], bins=bins, labels=labels)
239 
240 df_new = df_new.sort_values(by=['company_location', 'salary_range'])
241 heatmap_data = df_new.groupby(['company_location', 'salary_range']).size().unstack(fill_value=0)
242 
243 plt.figure(figsize=(10, 6))
244 sns.heatmap(heatmap_data.T[::-1], cmap='YlGnBu', annot=True, fmt='d', xticklabels=df_new['company_location'].unique(), yticklabels=labels[::-1])
245 plt.title('Salary Distribution by Company Location and Range')
246 plt.xlabel('Company Location')
247 plt.ylabel('Salary Range (USD)')
248 plt.show()
249 
250 
251 # 绘制雇佣类型和工作经验水平的柱状图
252 plt.figure(figsize=(10, 6))
253 sns.countplot(x='company_size', hue='employment_type', data=df)
254 plt.xlabel('Company Size')
255 plt.ylabel('Count')
256 plt.title('Employment Type by Company Size')
257 plt.legend(title='Employment Type')
258 plt.show()
259 # 绘制雇佣类型和工作经验水平的柱状图
260 plt.figure(figsize=(10, 6))
261 sns.countplot(x='company_size', hue='employment_type', data=df)
262 plt.xlabel('Company Size')
263 plt.ylabel('Count')
264 plt.title('Employment Type by Company Size')
265 plt.legend(title='Employment Type')
266 plt.show()
267 # 根据公司规模分组，计算不同规模公司的薪资的均值
268 grouped_df = df.groupby('company_size')['salary_in_usd'].mean().reset_index()
269 
270 # 设置图表样式
271 sns.set(style="whitegrid")
272 
273 # 绘制柱状图
274 plt.figure(figsize=(10, 6))
275 barplot = sns.barplot(x='company_size', y='salary_in_usd', data=grouped_df, palette="Blues_d")
276 
277 # 添加数值标签
278 for p in barplot.patches:
279     barplot.annotate(format(p.get_height(), '.2f'), (p.get_x() + p.get_width() / 2., p.get_height()), ha = 'center', va = 'center', xytext = (0, 5), textcoords = 'offset points')
280 
281 # 添加标题和坐标轴标签
282 plt.title('Average Salary by Company Size')
283 plt.xlabel('Company Size')
284 plt.ylabel('Salary (USD)')
285 
286 # 显示图表
287 plt.show()
288 
289 
290 # 设置图表样式
291 sns.set(style="ticks")
292 
293 # 绘制箱线图
294 plt.figure(figsize=(10, 6))
295 boxplot = sns.boxplot(x='remote_ratio', y='salary_in_usd', data=df, palette="Set3")
296 
297 # 添加标题和坐标轴标签
298 plt.title('Salary Distribution by Remote Ratio')
299 plt.xlabel('Remote Ratio')
300 plt.ylabel('Salary (USD)')
301 
302 # 显示图表
303 plt.show()

5.总结

根据我的分析，这份数据集包含了数据科学家在不同公司、不同职位和不同地点的薪资情况。通过绘制不同类型的图表，可以得出以下几个结论：数据科学家的职位涵盖广泛，但前十个职位占据了大部分，其中“Data Scientist”和“Data Analyst”是最常见的两个职位。不同职位之间的薪资差异很大，且存在较多的离群值。其中，“Data Scientist”、“Data Engineer”和“Machine Learning Engineer”是薪资最高的三个职位。整体的薪资水平呈现正偏态分布，即大部分数据科学家的薪资都集中在较低的水平上，但也有少部分人的薪资非常高。美国是数据科学家薪资最高的国家，其次是英国、加拿大和西班牙。此外，薪资较高的数据科学家集中在大型公司中。全职工作和具有一定工作经验的数据科学家数量最多，而兼职工作和实习生数量相对较少。