Python or Java？大数据解读学什么语言最赚钱

3.变量Size

##此处以公司人数作为描述公司规模的标准 
newdata<-separate(data=newdata,col=Size,into=c('Type','Rong','Number'),sep='/') 
table(newdata$Number) 
 
 15-50人   150-500人  2000人以上    50-150人  500-2000人    少于15人  
   76         139         117         119          82          11  
table(newdata$Rong) 
A轮          B轮          C轮    D轮及以上   不需要融资     上市公司       天使轮       未融资   
86           81           54           30          132           80           33           48  
##将Type去除    
newdata<-newdata[,-3] 

4.变量Welfare

Welfare<-newdata[,"Welfare"] 
##将Welfare去除 
newdata<-newdata[,-5] 
head(newdata) 

到此，数据清洗部分内容全部结束。

数据分析部分

1.工资与工作年限的关系

library(ggplot2) 
ggplot(newdata,aes(x=Experience,y=salary))+geom_boxplot(col="red") 

符合大众的认知，从事python的应届毕业生起始工资平均值在5K左右，且薪资水平跨度最小，经验5-10年，工资水平跨度最大，主要可能是因为，有一部分转为技术管理岗位，工资较低的可能还在继续码代码，是不是对广大同胞们的警告啊.......

2.工资与学历的关系(专科，本科，研究生，不限)

ggplot(newdata,aes(x=Graduate,y=salary))+geom_boxplot(col="red") 

这里是否能说明学历在一定程度上的重要性?学历本科的工资跨度比较大，因为工作经验的不同导致了薪资的差异。

3.工资与公司融资的关系

ggplot(newdata,aes(x=Rong,y=salary))+geom_boxplot(col="red") 

对于这部分知识是盲点，但是可以看出融资公司(上市也是一种融资方式)比没有融资的公司平均工资要高出不少，这部分是不是可以是以后找工作的一个风向标。。。

4.工资与公司大小的关系

公司规模越大，平均的工资也越高。

5.工资与工作时间和学历的关系

library(ggthemes) 
library(scales) 
ggplot(newdata,aes(x=Experience,y=salary,fill=factor(Graduate)))+ 
geom_boxplot()+ 
geom_hline(aes(yintercept=20),color="red",linetype="dashed",lwd=1)+ 
scale_y_continuous(labels=dollar_format())+theme_few() 

（编辑：东莞站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!