利用有关 2022 年就业率的统计数据和图表分析大专毕业生（Python 功能）

취업률 통계 취업률 그래프 이미지
(就业率统计可视化 - 就业率图表 )

数据如何让毕业生就业率统计更容易理解？就业率统计数据是衡量劳动力市场健康状况的重要指标，2022年，高校毕业生就业率为69.6%，同比增长1.9%p。

在本篇文章中，我们将向您介绍如何直观地分析毕业生就业趋势，重点是就业率统计数据和就业率图表。 Python和图表可视化，让任何人都能轻松掌握。

什么是就业率统计？

就业率统计是对特定人群（如毕业生）就业状况的衡量。例如，就 2022 年的大专毕业生而言，在 558 039 名毕业生中，479 573 人符合就业条件，333 909 人已实际就业。 由此得出的就业率为 69.61 TP3T。

2022년 고등교육기관 졸업자 취업률 통계
(2022 年高等教育毕业生就业统计》）。

就业率的计算公式如下

就业率=（就业人数/符合就业条件的人数）×100

这些统计数据在毕业生的职业决策、劳动力市场变化、教育政策制定等方面发挥着重要作用。

用 Python 绘制就业率图表

Python 可以轻松实现就业率统计数据的可视化。下面是使用失业率统计数据绘制柱形图和圆形高亮图的代码。

import matplotlib.pyplot as plt
从 matplotlib.patches 导入 Circle

设置 # 数据
毕业生 = 558039
求职者 = 479573
就业 = 333909
就业率 = 69.6
增长率 = 1.9

创建 # 画布
fig, ax = plt.subplots(figsize=(8, 6))
ax.set_xlim(0, 10)
ax.set_ylim(0, 8)
ax.axis('off') 隐藏 # 轴

# 条形图样式数据
bar_data = [
    {"label"：f "Graduates {graduates:,}", "value"：10, "color"："#88ccee"}、
    {"label"：f "求职者 {job_seekers:,}", "value"：8.5, "color"："#44aa99"}、
    {"标签"："#44AA99"}, {"label".f "Employed {employed:,}", "value"：6, "color"："#ff6f61"}、
]

绘制 # 条形图
for i, bar in enumerate(bar_data)：
    ax.barh(y=7 - i * 1.5, width=bar["value"], height=0.8, color=bar["color"], edgecolor="black")
    ax.text(bar["value"] + 0.2, 7 - i * 1.5, bar["label"], va="center", fontsize=12)

# 突出显示文本
ax.text(2, 2.2, "2022 年高等教育毕业生就业率", fontsize=16, weight="bold")
ax.text(2, 1.5, f"{employment_rate:.1f}%", fontsize=30, color="#FF6F61", weight="bold")
ax.text(2, 1.0, f "Year-on-Year Increase: {increase_rate:.1f}p", fontsize=12, color="gray")

绘制 # 圆高亮度
circle_center = (8, 3.5)
circle_colours = ["#FF6F61", "#FFB5A1", "#FFD2C7"]
for i, color in enumerate(circle_colours)：
    circle = Circle(circle_center, radius=0.8 + i * 0.3, edgecolor=color, facecolor="none", lw=2)
    ax.add_patch(circle)

# 勘测基准日期文本
ax.text(2, 0.5, "基于调查日期：2022-12-31", fontsize=10, color="grey")

输出 # 图
plt.tight_layout()
plt.show()

代码简介

  1. 数据设置
    • 设置毕业生人数、符合就业条件的人数和已就业人数。将就业率和同比增长率也添加为文本。
  2. 创建画布
    • matplotlib"(《世界人权宣言》) plt.subplots来创建图形区域。为了提高可读性，X 轴和 Y 轴被隐藏起来。
  3. 绘制条形图
    • 将每个条形图设置为 x.barh和绘画、 标签以文本形式显示详细信息。
  4. 突出显示文本
    • 为就业率（69.6%）添加了高亮文本。 weight="bold"使关键数字更加突出。
  5. 添加圆形高光
    • matplotlib.patches.Circle围绕就业率画出一个圆形亮点。
  6. 添加研究基准日
    • 在底部，您会看到调查参考日期 (2022-12-31) 我们添加了文字。
취업률 통계 그래프
(Python 可视化就业率统计图表）

就业率图表的启示

从图中可以直观地看出毕业生、求职者和就业者的比例，尤其是就业率（69.61 TP3T）和同比增长率（1.91 TP3T）显示出劳动力市场的积极趋势。

总结

在这篇文章中，我们介绍了如何使用失业率统计数据和失业率图表来分析数据。 通过在 Python 中实现可视化，我们能够有效地交流数据。 您可以应用这些代码来分析各种数据并得出见解！

对了，你也对大学排名和就业能力感兴趣吧？ 2025 年世界大学排名可视化（Python 数据可视化） 请查看帖子了解详情！

# 代码说明

1. 导入库

import matplotlib.pyplot as plt
从 matplotlib.patches 导入 Circle
  • matplotlib.pyplotPython 的数据可视化库，用于生成图形或绘图。
  • matplotlib.patches.Circle获取为图形添加圆形高亮的类。

2. 数据设置

毕业生 = 558039
求职者 = 479573
就业 = 333909
就业率 = 69.6
增长率 = 1.9
  • 毕业生高等教育机构的毕业生人数（558 039 人）。
  • 求职者：存储被归类为可就业的毕业生人数（479 573 人）。
  • 受雇为实际找到工作的毕业生人数（333 909 人）打分。
  • 就业率就业率（69.6%）。
  • 增长率就业率：就业率同比增长（1.9%p）。

3. 创建画布

fig, ax = plt.subplots(figsize=(8, 6))
ax.set_xlim(0, 10)
ax.set_ylim(0, 8)
ax.axis('off') # 隐藏坐标轴
  • fig, ax = plt.subplots()创建绘制图形的画布。
    • figsize=(8, 6)将图表尺寸设置为宽 8 英寸、高 6 英寸。
  • set_xlim和 set_ylim设置 X 轴（0,10）和 Y 轴（,08）的范围。
  • ax.axis('off')设置为隐藏坐标轴，使图表看起来更整洁。

4.设置条形图数据

bar_data = [
    {"label"：f "Graduates {graduates:,}", "value"：10, "color"："#88ccee"}、
    {"label"：f "求职者 {job_seekers:,}", "value"：8.5, "color"："#44aa99"}、
    {"标签"："#44AA99"}, {"label".f "Employed {employed:,}", "value"：6, "color"："#ff6f61"}、
]
  • 条形数据：将条形图中要显示的数据存储为列表。
    • 标签：每个条形图中要显示的文本（格式为逗号加数字）。
    • 价值：决定条形长度的值。
    • 肤色表示条形图的颜色。

5. 画一条横线

for i, bar in enumerate(bar_data)：
    ax.barh(y=7 - i * 1.5, width=bar["value"], height=0.8, color=bar["color"], edgecolor="black")
    ax.text(bar["value"] + 0.2, 7 - i * 1.5, bar["label"], va="center", fontsize=12)
  • for i, bar in enumerate(bar_data): 条形数据 遍历列表中的每个项目。
    • y=7 - i * 1.5设置条形图在 Y 轴上的位置（条形图间距：1.5）。
    • width=bar["value"]：根据数据值设置条形图的长度。
    • 高度=0.8设置条形图的厚度。
    • color=bar["color"]：设置条形图的颜色。
    • edgecolour="black"：将条形图的边框颜色设置为黑色。
  • ax.text：在每个条形图的右侧添加文字。
    • 栏["标签"]文本内容。
    • va="center"：将文本对齐条形图的垂直中心。

6. 突出显示文本

ax.text(2, 2.2, "2022 年高等教育毕业生就业率", fontsize=16, weight="bold")
ax.text(2, 1.5, f"{employment_rate:.1f}%", fontsize=30, color="#FF6F61", weight="bold")
ax.text(2, 1.0, f "Year-on-Year Increase: {increase_rate:.1f}p", fontsize=12, color="gray")
  • ax.text(x, y, 文本)：为图表添加文字。
    • 第一个文本：图表标题。位置为 (2, 2.2)，粗体 (weight="bold").
    • 第二个文本突出显示：就业率（69.6%）。字体大小 30，红色强调。
    • 第三文本注：在灰色文本中增加了同比增长（1.9%p）。

7. 添加圆形高光

circle_center = (8, 3.5)
circle_colours = ["#FF6F61", "#FFB5A1", "#FFD2C7"].
for i, color in enumerate(circle_colours)：
    circle = Circle(circle_center, radius=0.8 + i * 0.3, edgecolor=color, facecolor="none", lw=2)
    ax.add_patch(circle)
  • 圆心设置圆形高光的中心坐标。
  • 圆圈颜色注：用于圆形突出显示的颜色列表。
  • for i, color in enumerate(circle_colours)注意：重复颜色列表，画出一个圆。
    • 半径=0.8 + i * 0.3：设置圆的半径逐渐增大。
    • edgecolour=colour：圆的边框颜色。
    • facecolour="none"将圆的内部挖空，使其透明。
    • ax.add_patch(circle)：将创建的圆添加到图形中。

8. 添加调查基准日

ax.text(2, 0.5, "基于调查日期：2022-12-31", fontsize=10, color="grey")
  • ax.text：在图表底部添加调查参考日期文本。
  • fontsize=10字体：使用小号字体提供补充信息。

9. 输出绘图

plt.tight_layout()
plt.show()
  • plt.tight_layout()自动调整间距，使图形中的元素不会相互重叠。
  • plt.show()在屏幕上显示生成的图形。

类似文章