Python 数据建模与分析项目实战预备 Day 4 - EDA（探索性数据分析）与可视化

✅ 今日目标

使用 Pandas + Matplotlib/Seaborn 对简历数据进行探索性分析
分析不同字段与目标变量的相关性
通过可视化呈现简历筛选的潜在规律

🧾 一、建议分析内容

🔹 分类字段分析

字段	图表建议	说明
`degree`	柱状图（分组通过率）	分析学历与通过率关系
`university_type`	条形图	是否为双一流影响筛选？

🔹 数值字段分析

字段	图表建议	说明
`work_years`	箱型图 / 小提琴图	工龄 vs 通过率分布
`project_count`, `desc_len`	散点图	项目数量/质量是否有利筛选

🔹 多变量交叉分析

使用 hue="pass_screening" 对比不同特征组合
相关系数热力图 sns.heatmap(df.corr())

📦 所需工具

python 复制代码

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

✏️ 今日练习任务

编写 eda_visualize.py 实现以下内容：

读取原始数据 resume_data.csv
绘制多个字段与通过率之间的图表

可输出为本地图片或显示图形窗口

python 复制代码

# eda_visualize.py - 简历数据可视化分析脚本

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

plt.rcParams['font.family'] = 'Arial Unicode MS'  # Mac 用户可用
plt.rcParams['axes.unicode_minus'] = False

# 设置风格
sns.set(style="whitegrid")

# 读取数据
df = pd.read_csv("./data/resume_data.csv")

# 设置字体显示中文（可选）
plt.rcParams['font.family'] = ['Arial Unicode MS']  # macOS
# plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
# plt.rcParams['axes.unicode_minus'] = False

# 学历 vs 通过率
plt.figure(figsize=(6, 4))
sns.barplot(x="degree", y="pass_screening", data=df)
plt.title("学历 vs 简历通过率")
plt.savefig("plot_degree_pass.png")

# 学校类型 vs 通过率
plt.figure(figsize=(6, 4))
sns.barplot(x="university_type", y="pass_screening", data=df)
plt.title("学校类型 vs 简历通过率")
plt.savefig("plot_univ_pass.png")

# 工龄分布对通过率影响
plt.figure(figsize=(6, 4))
sns.boxplot(x="pass_screening", y="work_years", data=df)
plt.title("工龄 vs 简历通过情况")
plt.savefig("plot_work_years_pass.png")

# 项目描述长度 vs 筛选通过（散点图）
plt.figure(figsize=(6, 4))
sns.scatterplot(x="project_desc_len", y="project_count", hue="pass_screening", data=df)
plt.title("项目描述长度 & 数量 vs 筛选")
plt.savefig("plot_project_scatter.png")

# 相关系数热力图
plt.figure(figsize=(10, 6))
corr = df.corr(numeric_only=True)
sns.heatmap(corr, annot=True, cmap="YlGnBu")
plt.title("字段相关系数热力图")
plt.savefig("plot_corr_heatmap.png")

print("✅ 图表已生成并保存为 PNG 文件。")