Нилогов Александр АТ-20

1-7.py

@@ -0,0 +1,39 @@
+import matplotlib.pyplot as plt
+import numpy as np
+import pandas as pd
+
+works = pd.read_csv('works.csv')
+# 1
+print('общее количество записей в датасете:', works.shape[0])  # 32683
+# 2
+print('Количество мужчин:', works[works['gender'] == 'Мужской'].shape[0])  # 13386
+print('Количество женщин:', (works['gender'] == 'Женский').sum())  # 17910
+# 3
+print('Количество значений в столбце skills не NAN:', works['skills'].notna().values.sum())  # 8972
+# 4
+print('Все заполненные скиллы:\n', works['skills'].dropna())
+# 5
+skills_base = works.skills.str.lower().str.contains('python|питон').dropna()
+print('Зарплата у тех, у кого в скиллах есть Python(Питон):\n', works[works.skills.notna()][skills_base]['salary'])
+# 6
+percentiles = np.linspace(.1, 1, 10)
+m_salary = works[works.gender == 'Мужской']['salary'].quantile(percentiles)
+w_salary = works[works.gender == 'Женский']['salary'].quantile(percentiles)
+plt.plot(m_salary, color='blue')
+plt.plot(w_salary, color='red')
+plt.xlabel('Перцентили')
+plt.ylabel('Зарплата')
+plt.show()
+# 7
+men_salary = works.query('gender == "Мужской"').groupby('educationType').agg('mean').reset_index()
+women_salary = works.query('gender == "Женский"').groupby('educationType').agg('mean').reset_index()
+educationType = men_salary['educationType'].values
+men_salary = men_salary['salary'].values
+women_salary = women_salary['salary'].values
+index = np.arange(len(educationType))
+wd = 0.1
+plt.bar(index - wd / 2, men_salary, wd, color='blue', label='Средняя зарплата мужчин')
+plt.bar(index + wd / 2, women_salary, wd, color='red', label='Средняя зарплата женщин')
+plt.xticks(index, educationType)
+plt.legend()
+plt.show()

8.py

@@ -0,0 +1,33 @@
+import pandas as pd
+
+works = pd.read_csv('works.csv').dropna()
+
+
+def count(f1, f2, works):
+    result = 0
+    for n1, n2 in zip(works[f1], works[f2]):
+        if not match(n1, n2) and not match(n2, n1):
+            result += 1
+    return result
+
+
+def match(c1, c2):
+    array = c1.lower().replace('-', ' ').split()
+    for word in array:
+        if word in c2.lower():
+            return True
+    return False
+
+
+result = count('jobTitle', 'qualification', works)
+print('Из {} людей не совпадают профессия и должность у {}'.format(works.shape[0], result))
+
+print('\nТоп образований для менеджеров:')
+print(
+    works[works['jobTitle'].str.lower().str.contains('менеджер'[:-2])]['qualification'].str.lower().value_counts().head(
+        5))
+
+print('\nТоп образований для инженеров:')
+print(
+    works[works['jobTitle'].str.lower().str.contains('инженер'[:-2])]['qualification'].str.lower().value_counts().head(
+        5))