如何获得每个职位的每个经验级别的平均工资？

Question

我得到的数据集如下： 我想获得每个职位的每个经验级别的平均工资，我已经尝试过：

 second=combine(groupby(new,:experience_level,),:salary_in_usd =>IMD.mean)

但后来我意识到，如果我在这里进行左连接，不同职称的所有经验级别的薪水将相同，我的目标是获得一个数据集，其中每个经验级别在每个职称中都有平均薪水，有谁知道如何做到这一点？请使用Inmemorydataset包函数。谢谢

Answer 1

您需要按职位和经验水平进行分组：

\n

julia> using DataFrames, Statistics\n\njulia> salaries = DataFrame(\n           job_title = ["Data Analyst","Data Analyst","Data Analyst","Data Analyst","Data Scientist","Data Scientist","Data Scientist","Data Scientist","ML Specialist","ML Specialist","ML Specialist","ML Specialist"],\n           salary_in_usd = [1,2,3,4,5,6,7,8,9,10,11,12],\n           work_year = [2020,2020,2022,2022,2020,2020,2022,2022,2020,2020,2022,2022],\n           experience_level = ["EN","SE","EN","SE","EN","SE","EN","SE","EN","SE","EN","SE"]\n       );\n\njulia> groups = groupby(salaries,["job_title","experience_level"]);\n\njulia> avg_salaries = combine(groups,  "salary_in_usd" => mean => "avg_salary")\n6\xc3\x973 DataFrame\n Row \xe2\x94\x82 job_title       experience_level  avg_salary \n     \xe2\x94\x82 String          String            Float64    \n\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\xbc\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\n   1 \xe2\x94\x82 Data Analyst    EN                       2.0\n   2 \xe2\x94\x82 Data Analyst    SE                       3.0\n   3 \xe2\x94\x82 Data Scientist  EN                       6.0\n   4 \xe2\x94\x82 Data Scientist  SE                       7.0\n   5 \xe2\x94\x82 ML Specialist   EN                      10.0\n   6 \xe2\x94\x82 ML Specialist   SE                      11.0\n\njulia> avg_salary_nice = unstack(avg_salaries,"experience_level","avg_salary")\n3\xc3\x973 DataFrame\n Row \xe2\x94\x82 job_title       EN        SE       \n     \xe2\x94\x82 String          Float64?  Float64? \n\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\xbc\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\xe2\x94\x80\n   1 \xe2\x94\x82 Data Analyst         2.0       3.0\n   2 \xe2\x94\x82 Data Scientist       6.0       7.0\n   3 \xe2\x94\x82 ML Specialist       10.0      11.0\n

\n

另请参阅我的拆分-应用-组合教程（页面顶部有视频）

\n

OT：有多少个工作“名称”......

\n