🧑 博主简介：曾任某智慧城市类企业算法总监，CSDN / 稀土掘金 等平台人工智能领域优质创作者。
目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。
一、引言
在商业分析中，了解各公司的人均薪酬对于评估员工满意度、公司竞争力以及行业趋势至关重要。本文将利用Python和Pyecharts库对2024年人均薪酬最高的Top 100公司数据进行可视化分析，从多个维度展示数据，并生成一个炫酷的可视化大屏。
二、数据准备
数据包含了以下字段：序号、证券代码、证券名称、人均薪酬(万元)、24年员工人数、所属行业。
三、环境搭建
确保安装了以下Python包：
pip install pandas pyecharts openpyxl
四、数据可视化
以下是完整的Python代码，用于读取数据、进行可视化分析，并生成可视化大屏。
df = pd.read_excel("2024人均薪酬最高的公司Top100.xlsx")
provinces = df['证券名称'].tolist()
salaries = df['人均薪酬(万元)'].tolist()
employees = df['24年员工人数'].tolist()
industries = df['所属行业'].tolist()
4.1 柱状图：人均薪酬排名
bar = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add_xaxis(provinces[:50])
.add_yaxis("人均薪酬(万元)", salaries[:50], category_gap="50%")
.reversal_axis()
)
4.2 饼图：所属行业员工数分布
df1 = df.groupby(["所属行业"])['人均薪酬(万元)'].mean()
pie = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add("", [list(z) for z in zip(df2['所属行业'].tolist(), df2['人均薪酬(万元)'].tolist())])
)
4.3 旭日图：行业/企业总人数
data = [
{
"name": "非银金融",
"itemStyle": {"color": "#da0d68"},
"children": ch_fy
},
{
"name": "电子",
"itemStyle": {"color": "#da1d23"},
"children": ch_dz
},
...
]
sunburst = (
Sunburst(init_opts=opts.InitOpts(width="1000px", height="600px"))
.add(
"",
data_pair=data,
highlight_policy="ancestor"
)
4.4 词云图：公司名称
wordcloud = (
WordCloud(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add("", [list(z) for z in zip(provinces, salaries)], word_size_range=[20, 100])
.set_global_opts(
title_opts=opts.TitleOpts(title="公司名称词云图", subtitle="2024年Top 100公司"),
)
)
4.5 桑基图：人均薪酬与员工人数关系
sankey = (
Sankey(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add(
"sankey",
nodes,
links,
linestyle_opt=opts.LineStyleOpts(opacity=0.5, curve=1, color="source"),
label_opts=opts.LabelOpts(position="right"),
)
4.6 漏斗图：所属行业
funnel = (
Funnel(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add("所属行业", [list(z) for z in zip(['电子','非银金融','计算机','房地产','商贸零售'], [33,20,9,4,1])])
.set_global_opts(title_opts=opts.TitleOpts(title="Funnel-基本示例"))
.render("funnel_base.html")
)
五、创建可视化大屏
page.add(bar, sunburst, pie, sankey, wordcloud, funnel)
page.render("2024年人均薪酬最高Top100公司可视化分析.html")
六、可视化结果
运行上述代码后，会生成一个名为 2024年人均薪酬最高Top100公司可视化分析.html 的文件。打开该文件，可以看到以下内容：
七、分析总结
通过对2024年人均薪酬最高Top 100公司数据的可视化分析，我们可以得出以下结论：
- 薪酬差异：不同公司的人均薪酬存在显著差异，部分公司人均薪酬远高于其他公司。
- 行业差异：不同行业的公司在人均薪酬上也存在差异，某些行业可能更倾向于支付高薪。
- 行业分布：通过漏斗图，我们可以直观地看到各所属行业的分布情况。
总之，通过对人均薪酬数据的可视化分析，我们可以更好地了解各公司的薪酬水平，为制定相关政策提供参考依据。
如果您在人工智能领域遇到技术难题，或是需要专业支持，无论是技术咨询、项目开发还是个性化解决方案，我都可以为您提供专业服务，如有需要可站内私信或添加下方VX名片（ID：xf982831907）
期待与您一起交流，共同探索AI的更多可能！
