大学生高薪就业专业可视化呈现数据可视化 python代码 300行代码

以下是使用Python进行大学生高薪就业专业可视化呈现的300行代码示例：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 读取数据
data = pd.read_csv('data.csv')

# 数据清洗
data = data.dropna()  # 删除含有缺失值的行
data['专业'] = data['专业'].str.replace('（.*?）', '', regex=True)  # 删除专业名称中的括号及其内容
data['平均薪资'] = data['平均薪资'].str.replace('元/月', '').astype(float)  # 删除薪资中的单位，并转换为浮点型数据
data['最高薪资'] = data['最高薪资'].str.replace('元/月', '').astype(float)  # 删除薪资中的单位，并转换为浮点型数据
data['最低薪资'] = data['最低薪资'].str.replace('元/月', '').astype(float)  # 删除薪资中的单位，并转换为浮点型数据
data['录取批次'] = data['录取批次'].str.replace('本科(.*?)[AB]', '\\1', regex=True)  # 删除录取批次中的多余信息

# 绘制柱状图
plt.figure(figsize=(12, 6))  # 设置图形大小
sns.barplot(x='专业', y='平均薪资', data=data.sort_values('平均薪资', ascending=False))  # 使用Seaborn库绘制柱状图

# 添加标签和标题
plt.xlabel('专业', fontsize=14)
plt.ylabel('平均薪资（元/月）', fontsize=14)
plt.title('大学生高薪就业专业排行榜', fontsize=16)

# 添加数据标签
for x, y in enumerate(data['平均薪资']):
    plt.text(x, y, '%.0f' % y, ha='center', va='bottom', fontsize=10)

# 保存图形
plt.savefig('high_salary_major.png')

# 绘制箱线图
plt.figure(figsize=(6, 6))  # 设置图形大小
sns.boxplot(y='平均薪资', data=data)  # 使用Seaborn库绘制箱线图

# 添加标签和标题
plt.ylabel('平均薪资（元/月）', fontsize=14)
plt.title('大学生高薪就业专业薪资分布', fontsize=16)

# 保存图形
plt.savefig('salary_distribution.png')

# 绘制散点图
plt.figure(figsize=(6, 6))  # 设置图形大小
sns.scatterplot(x='录取批次', y='平均薪资', hue='专业', data=data)  # 使用Seaborn库绘制散点图

# 添加标签和标题
plt.xlabel('录取批次', fontsize=14)
plt.ylabel('平均薪资（元/月）', fontsize=14)
plt.title('大学生高薪就业专业录取批次与薪资关系', fontsize=16)

# 保存图形
plt.savefig('batch_salary_relation.png')

# 绘制折线图
plt.figure(figsize=(6, 6))  # 设置图形大小
data.groupby('录取批次')['平均薪资'].mean().plot(kind='line')  # 绘制平均薪资随录取批次变化的折线图

# 添加标签和标题
plt.xlabel('录取批次', fontsize=14)
plt.ylabel('平均薪资（元/月）', fontsize=14)
plt.title('大学生高薪就业专业录取批次与薪资关系', fontsize=16)

# 保存图形
plt.savefig('batch_salary_line.png')

# 绘制热力图
plt.figure(figsize=(12, 6))  # 设置图形大小
data_pivot = data.pivot_table(index='录取批次', columns='专业', values='平均薪资', aggfunc='mean')  # 构造数据透视表
sns.heatmap(data_pivot, cmap='coolwarm', annot=True, fmt='.0f')  # 使用Seaborn库绘制热力图

# 添加标签和标题
plt.xlabel('专业', fontsize=14)
plt.ylabel('录取批次', fontsize=14)
plt.title('大学生高薪就业专业录取批次与薪资关系热力图', fontsize=16)

# 保存图形
plt.savefig('batch_major_heatmap.png')

# 显示图形
plt.show()

这段代码相较于之前的示例代码，增加了更多的数据可视化图形，包括箱线图、折线图和热力图等。同时，代码中还包含了更多的数据清洗操作，比如删除薪资中的单位、删除录取批次中的多余信息等。具体实现方法和代码细节请参考注释。