商业数据分析第三课作业

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

df = pd.read_csv('HRSalaries.csv')
df.head()

1、计算 HRSalaries 数据中评分Review_Score 的均值和中位数，并判断其偏度是左偏还是右偏？

score = df.Review_Score
score.mean()

6.455890899484876

score.median()

6.5

score.mean() < score.median()
左偏

2、 Review_Score 的IQR是多少？并绘制该数据的box图。

Q1 = score.quantile(0.25)
Q1

5.8

Q3 = score.quantile(0.75)
Q3

7.2

IQR = Q3 - Q1
IQR

1.4000000000000004

score.plot(kind='box')
plt.show()

png

3、Review_Score的标准差是多少？

score.std()

1.0304045880216559

4、在Review_Score中，求落在两个标准差内的数据占总数的百分比。

mean = score.mean()
std = score.std()
len(score[score.between(mean- 2 * std, mean + 2 * std)])/len(score)

0.9617950072645621

5、对于 DoIT 部门，计算其收入和评分的相关系数。

doit_salary = df[df.Department == 'DoIT'].Annual_Salary
doit_score = df[df.Department == 'DoIT'].Review_Score
cov = np.cov(doit_salary, doit_score)
cov

array([[  1.68675014e+08,   8.22248389e+01],
       [  8.22248389e+01,   1.10434064e+00]])

np.corrcoef(doit_salary, doit_score)[0,1]

0.0060245710104947512

plt.scatter(doit_salary, doit_score)
plt.show()

png