### 就业数据分析与可视化源代码 以下是基于 `matplotlib` 和 `pandas` 实现就业数据分析与可视化的完整示例代码。此代码假设已获取一份包含就业数据的 CSV 文件，文件结构应至少包括地区、行业类别以及对应的就业人数。 #### 数据加载与预处理 通过 Pandas 加载并清理数据： ```python import pandas as pd import matplotlib.pyplot as plt # 假设有一个名为 'employment_data.csv' 的文件 data = pd.read_csv('employment_data.csv') # 查看前几行数据以确认其格式 print(data.head()) # 清理缺失值（如果存在） data.dropna(inplace=True) # 转换数值列的数据类型为 float 或 int data['Employment'] = data['Employment'].astype(float) ``` #### 绘制柱状图展示各行业的就业情况 以下代码展示了如何使用 Matplotlib 创建一个柱状图来表示不同行业的就业人数分布。 ```python # 按照行业分组求和 industry_employment = data.groupby('Industry')['Employment'].sum() # 设置画布大小 plt.figure(figsize=(10, 6)) # 绘制柱状图 industries = industry_employment.index values = industry_employment.values plt.bar(industries, values, color='skyblue', edgecolor='black') # 添加标题和标签 plt.title('Employment Distribution by Industry', fontsize=16) # 图表标题 plt.xlabel('Industry', fontsize=14) # X轴标签 plt.ylabel('Number of Employees (in thousands)', fontsize=14) # Y轴标签 # 自动调整X轴刻度旋转角度以便阅读 plt.xticks(rotation=45, ha='right') plt.tight_layout() # 防止裁剪文字 # 显示图表 plt.show() ``` #### 绘制饼图分析区域就业比例 下面是一个例子，说明如何创建一个饼图来显示各个地区的就业占比。 ```python # 计算按地区划分的总就业数 region_employment = data.groupby('Region')['Employment'].sum() # 定义颜色列表 colors = ['gold', 'lightgreen', 'lightskyblue', 'lightcoral'] # 绘制饼图 plt.pie(region_employment, labels=region_employment.index, autopct='%1.1f%%', startangle=90, colors=colors) # 添加标题 plt.title('Regional Employment Proportion', y=1.08) # 调整标题位置 # 圆形布局使饼图为正圆 plt.axis('equal') # 确保饼图是圆形而非椭圆 # 展示饼图 plt.show() ``` 以上代码片段利用了 `matplotlib` 提供的强大功能[^1]，并通过 `pandas` 对原始数据进行了必要的清洗和转换操作[^2]。这些方法能够帮助用户快速理解复杂数据集中的模式和趋势[^3]。 ---