JAV dirbančiojo asmens portretas

Nagrinėjama duomenų bazė, susidedanti iš 18 148 eilučių (eilučių skaičius atitinka unikalių respondentų skaičių, kuris proporcingai tolygiai pasiskirstęs visose esamose valstijose).

1. Duomenys surinkti internetinės apklausos būdu visose JAV valstijose.

2. Analize siekiama nustatyti JAV dirbančiojo asmens paveikslą ir vidutinį pajamų lygį lyginant su bendru vidutiniu JAV dirbančiųjų pajamų vidurkiu atsižvelgiant į:

- Išsilavinimą;

- Darbo pobūdį;

- Šeimyninę padėtį;

- Kartu namų ūkyje gyvenančius vaikus;

- Lytį;

- Gyvenamąją vietą;

- Turimą nekilnojamąjį turtą.

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

US_emp = pd.read_csv("US_emp.csv", index_col=0)
US_emp.head()

	Prefix	FirstName	LastName	BirthDate	MaritalStatus	Gender	EmailAddress	AnnualIncome	TotalChildren	EducationLevel	Occupation	HomeOwner	State
CustomerKey
11000	MR.	JON	YANG	4/8/1966	M	M	jon24@adventure-works.com	90000	2	Bachelors	Professional	Y	Alabama
11001	MR.	EUGENE	HUANG	5/14/1965	S	M	eugene10@adventure-works.com	60000	3	Bachelors	Professional	N	Alaska
11002	MR.	RUBEN	TORRES	8/12/1965	M	M	ruben35@adventure-works.com	60000	3	Bachelors	Professional	Y	Arizona
11003	MS.	CHRISTY	ZHU	2/15/1968	S	F	christy12@adventure-works.com	70000	0	Bachelors	Professional	N	Arkansas
11004	MRS.	ELIZABETH	JOHNSON	8/8/1968	S	F	elizabeth5@adventure-works.com	80000	5	Bachelors	Professional	Y	California

Ar teisinga teigti, kad aukštesnį išsilavinimą turintys asmenys gauna didesnes pajamas?

average=round(US_emp.groupby('EducationLevel')[['AnnualIncome']].mean(),2)
print(average)

                     AnnualIncome
EducationLevel                   
Bachelors                64396.50
Graduate Degree          66150.40
High School              48963.28
Partial College          55090.62
Partial High School      39575.56

total=round(US_emp['AnnualIncome'].mean(),2)
print(total)

57269.12

percentage=round(US_emp.groupby('EducationLevel')[['AnnualIncome']].mean() / US_emp['AnnualIncome'].mean() * 100,0)
print(percentage)

                     AnnualIncome
EducationLevel                   
Bachelors                   112.0
Graduate Degree             116.0
High School                  85.0
Partial College              96.0
Partial High School          69.0

df = percentage.rename(columns={'AnnualIncome':'AnnualIncome_Percentage'})
df.sort_values('AnnualIncome_Percentage',ascending = False)

	AnnualIncome_Percentage
EducationLevel
Graduate Degree	116.0
Bachelors	112.0
Partial College	96.0
High School	85.0
Partial High School	69.0

df[['AnnualIncome_Percentage']].plot.bar()
plt.title('Pajamų priklausomybė nuo išsilavinimo')
plt.xlabel('Education Level')
plt.ylabel('Annual Income Percentage')
plt.rcParams['figure.figsize'] = (15,3)

Vidutinių pajamų priklausomybė nuo veiklos pobūdžio

average1=round(US_emp.groupby('Occupation')[['AnnualIncome']].mean(),2)
print(average1)

                AnnualIncome
Occupation                  
Clerical            30696.05
Management          92218.53
Manual              16472.59
Professional        74166.67
Skilled Manual      51732.95

percentage1=round(US_emp.groupby('Occupation')[['AnnualIncome']].mean() / US_emp["AnnualIncome"].mean() * 100,0)
print(percentage1)

                AnnualIncome
Occupation                  
Clerical                54.0
Management             161.0
Manual                  29.0
Professional           130.0
Skilled Manual          90.0

df1 = percentage1.rename(columns={'AnnualIncome':'AnnualIncome_Percentage'})
df1.sort_values('AnnualIncome_Percentage',ascending = False)

	AnnualIncome_Percentage
Occupation
Management	161.0
Professional	130.0
Skilled Manual	90.0
Clerical	54.0
Manual	29.0

df[['AnnualIncome_Percentage']].plot.bar()
plt.title('Pajamų priklausomybė nuo veiklos pobūdžio')
plt.xlabel('Occupation')
plt.ylabel('Annual Income Percentage')
plt.rcParams['figure.figsize'] = (15,3)

Ar turi įtakos gaunamoms pajamoms šeimyninis statusas ir vaikai gyvenentys namų ūkyje?

US_emp['If_has_children']=US_emp['TotalChildren']>0
US_emp['If_has_children']=US_emp['If_has_children'].map({True:'Y',False:'N'})
US_emp

	Prefix	FirstName	LastName	BirthDate	MaritalStatus	Gender	EmailAddress	AnnualIncome	TotalChildren	EducationLevel	Occupation	HomeOwner	State	If_has_children
CustomerKey
11000	MR.	JON	YANG	4/8/1966	M	M	jon24@adventure-works.com	90000	2	Bachelors	Professional	Y	Alabama	Y
11001	MR.	EUGENE	HUANG	5/14/1965	S	M	eugene10@adventure-works.com	60000	3	Bachelors	Professional	N	Alaska	Y
11002	MR.	RUBEN	TORRES	8/12/1965	M	M	ruben35@adventure-works.com	60000	3	Bachelors	Professional	Y	Arizona	Y
11003	MS.	CHRISTY	ZHU	2/15/1968	S	F	christy12@adventure-works.com	70000	0	Bachelors	Professional	N	Arkansas	N
11004	MRS.	ELIZABETH	JOHNSON	8/8/1968	S	F	elizabeth5@adventure-works.com	80000	5	Bachelors	Professional	Y	California	Y
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
29479	MR.	TOMMY	TANG	7/4/1958	M	M	tommy2@adventure-works.com	30000	1	Graduate Degree	Clerical	Y	Utah	Y
29480	MRS.	NINA	RAJI	11/10/1960	S	F	nina21@adventure-works.com	30000	3	Graduate Degree	Clerical	Y	Vermont	Y
29481	MR.	IVAN	SURI	1/5/1960	S	M	ivan0@adventure-works.com	30000	3	Graduate Degree	Clerical	N	Virginia	Y
29482	MR.	CLAYTON	ZHANG	3/5/1959	M	M	clayton0@adventure-works.com	30000	3	Bachelors	Clerical	Y	Washington	Y
29483	MR.	J�SUS	NAVARRO	12/8/1959	M	M	j�sus9@adventure-works.com	30000	0	Bachelors	Clerical	Y	Oregon	N

18148 rows × 14 columns

df2 = US_emp [['MaritalStatus', 'AnnualIncome','If_has_children']]
df2

	MaritalStatus	AnnualIncome	If_has_children
CustomerKey
11000	M	90000	Y
11001	S	60000	Y
11002	M	60000	Y
11003	S	70000	N
11004	S	80000	Y
...	...	...	...
29479	M	30000	Y
29480	S	30000	Y
29481	S	30000	Y
29482	M	30000	Y
29483	M	30000	N

18148 rows × 3 columns

family = round(df2.groupby(['If_has_children', 'MaritalStatus'])['AnnualIncome'].mean(),2)
family

If_has_children  MaritalStatus
N                M                56464.53
                 S                48910.56
Y                M                61147.60
                 S                56861.37
Name: AnnualIncome, dtype: float64

children =round(df2.groupby('If_has_children')[['AnnualIncome']].mean() / df2["AnnualIncome"].mean() * 100,0)
children.sort_values('AnnualIncome',ascending = False)

	AnnualIncome
If_has_children
Y	104.0
N	90.0

children.plot.pie(y='AnnualIncome', 
               figsize = (7,7),
               fontsize = 12,
               labeldistance = 0.3,
               explode = (0.05,0),
               colors = ['steelblue','yellow'],
               legend = False,
               title = 'Vidutinės pajamos pagal namų ūkyje kartu gyvenančius vaikus')

<AxesSubplot:title={'center':'Vidutinės pajamos pagal namų ūkyje kartu gyvenančius vaikus'}, ylabel='AnnualIncome'>

married=round(df2.groupby('MaritalStatus')[['AnnualIncome']].mean() / df2["AnnualIncome"].mean() * 100,0)
married.sort_values('AnnualIncome',ascending = False)

	AnnualIncome
MaritalStatus
M	105.0
S	94.0

married.plot.pie(y='AnnualIncome', 
               figsize = (7,7),
               fontsize = 12,
               labeldistance = 0.3,
               explode = (0.05,0),
               colors = ['steelblue','yellow'],
               legend = False,
               title = 'Vidutinės pajamos pagal šeimyninę padėtį')

<AxesSubplot:title={'center':'Vidutinės pajamos pagal šeimyninę padėtį'}, ylabel='AnnualIncome'>

Vidutinių pajamų pasiskirstymas pagal lytį

gender =US_emp.groupby('Gender')[['AnnualIncome']].mean() / US_emp['AnnualIncome'].mean() * 100
gender.sort_values('AnnualIncome',ascending = False)

	AnnualIncome
Gender
F	100.026708
M	99.973597

5 valstijos, kuriose darbuotojai uždirba daugiausiai

state_average=round(US_emp.groupby('State')[['AnnualIncome']].mean(),2)
state_average = state_average.sort_values('AnnualIncome',ascending = False).head(5)
state_average

	AnnualIncome
State
Colorado	59338.84
North Carolina	58815.43
Virginia	58539.94
Utah	58181.82
California	58071.63

state_average[['AnnualIncome']].plot.bar()
plt.title('Valstijos kuriose darbuotojai gauna didžiausias vidutines pajamas (TOP 5)')
plt.xlabel('State')
plt.ylabel('Annual Income')
plt.rcParams['figure.figsize'] = (5,15)

Kokioms vidutinių pajamų grupėms priklauso daugiausia nekilnojamojo turto?

def income_group(X):
    if X <= 35000:
        return 'Lower_class'
    if X > 35000 and X <= 60000:
        return 'Middle_class'
    if X > 60000:
        return 'Upper_class'
    return np.NaN

US_emp['AnnualIncome']=US_emp['AnnualIncome'].map(income_group)

df3 = US_emp[US_emp['HomeOwner'] == 'Y']
df3

	Prefix	FirstName	LastName	BirthDate	MaritalStatus	Gender	EmailAddress	AnnualIncome	TotalChildren	EducationLevel	Occupation	HomeOwner	State	If_has_children
CustomerKey
11000	MR.	JON	YANG	4/8/1966	M	M	jon24@adventure-works.com	Upper_class	2	Bachelors	Professional	Y	Alabama	Y
11002	MR.	RUBEN	TORRES	8/12/1965	M	M	ruben35@adventure-works.com	Middle_class	3	Bachelors	Professional	Y	Arizona	Y
11004	MRS.	ELIZABETH	JOHNSON	8/8/1968	S	F	elizabeth5@adventure-works.com	Upper_class	5	Bachelors	Professional	Y	California	Y
11005	MR.	JULIO	RUIZ	8/5/1965	S	M	julio1@adventure-works.com	Upper_class	0	Bachelors	Professional	Y	Colorado	N
11007	MR.	MARCO	MEHTA	5/9/1964	M	M	marco14@adventure-works.com	Middle_class	3	Bachelors	Professional	Y	Connecticut	Y
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
29478	MR.	DARREN	CARLSON	5/25/1959	S	M	darren41@adventure-works.com	Lower_class	3	Graduate Degree	Clerical	Y	Texas	Y
29479	MR.	TOMMY	TANG	7/4/1958	M	M	tommy2@adventure-works.com	Lower_class	1	Graduate Degree	Clerical	Y	Utah	Y
29480	MRS.	NINA	RAJI	11/10/1960	S	F	nina21@adventure-works.com	Lower_class	3	Graduate Degree	Clerical	Y	Vermont	Y
29482	MR.	CLAYTON	ZHANG	3/5/1959	M	M	clayton0@adventure-works.com	Lower_class	3	Bachelors	Clerical	Y	Washington	Y
29483	MR.	J�SUS	NAVARRO	12/8/1959	M	M	j�sus9@adventure-works.com	Lower_class	0	Bachelors	Clerical	Y	Oregon	N

12260 rows × 14 columns

owner=df3.groupby('AnnualIncome')[['HomeOwner']].count() 
owner.sort_values('HomeOwner',ascending = False)

	HomeOwner
AnnualIncome
Middle_class	4655
Upper_class	4605
Lower_class	3000

owner.plot.pie(y='HomeOwner', 
               figsize = (7,7),
               fontsize = 12,
               labeldistance = 0.3,
               explode = (0,0.05,0),
               colors = ['skyblue','steelblue','yellow'],
               legend = False,
               autopct = '%1.1f%%',
               title = 'Asmenys turintys NT pagal vidutinių pajamų grupes')

<AxesSubplot:title={'center':'Asmenys turintys NT pagal vidutinių pajamų grupes'}, ylabel='HomeOwner'>

Išvados:

1. Daugiausiai, lyginant su bendru vidutiniu JAV pajamų vidurkiu, uždirba asmenys, turintys aukščiausią išsilavinimą. Gaunamos vidutinės pajamos yra tiesiogiai susiję su įgytu išsilavinimu.

2. Kaip ir tikėtasi, daugiau už vidutinį JAV pajamų vidurkį uždirba aukštos kvalifikacijos (professionals) ir aukštesnes pareigas užimantys (management) darbuotojai.

3. Daugiau uždirba tiek vedę tiek nevedę darbuotai, turintys vaikų, tačiau tiek tarp turinčių tiek tarp neturinčių vaikų darbuotojų daugiau uždirba vedę asmenys.

4. Remiantis turimais duomenimis, lytis uždarbiui didelės įtakos nedaro.

5. Didžiausią vidutinį atlyginimą uždirba darbuotojai gyvenantys Colorado, North Carolina, Virginia, Utah ir California valstijose.

6. Daugiausiai nekilnojamojo turto priklauso asmenims uždirbantiems vidutines pajamas.