In [1]:
from google.colab import files # 上傳csv檔案 uploaded = files.upload()
Saving 1091015_108年各職類別初任人員每人每月經常性薪資-按行業別分.csv to 1091015_108年各職類別初任人員每人每月經常性薪資-按行業別分.csv
In [2]:
import io import pandas as pd df1 = pd.read_csv(io.BytesIO(uploaded['1091015_108年各職類別初任人員每人每月經常性薪資-按行業別分.csv'])) print(len(df1)) df1.head()
110
Out[2]:
年度 | 行業別 | 經常性薪資-薪資 | 經常性薪資-女/男 | 專業人員-薪資 | 專業人員-女/男 | 技術員及助理專業人員-薪資 | 技術員及助理專業人員-女/男 | 事務支援人員-薪資 | 事務支援人員-女/男 | 服務及銷售工作人員-薪資 | 服務及銷售工作人員-女/男 | 技藝_機械設備操作及組裝人員-薪資 | 技藝_機械設備操作及組裝人員-女/男 | 基層技術工及勞力工-薪資 | 基層技術工及勞力工-女/男 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 2019 | 工業及服務業 | 28231 | 99.21 | 35065 | 99.21 | 29812 | 99.21 | 27170 | 99.48 | 26428 | 99.49 | 26794 | 98.6 | 24372 | 99.29 |
1 | 2019 | 工業 | 28177 | 99.00 | 35234 | 99 | 29593 | 98.89 | 27179 | 99.33 | 26962 | 99.36 | 26379 | 98.5 | 24230 | 99.25 |
2 | 2019 | 礦業及土石採取業 | 27040 | 97.29 | 35763 | 98.81 | 29105 | 97.55 | 25337 | 100.18 | 25047 | 99.64 | 28911 | 93.91 | 23614 | 97.95 |
3 | 2019 | 石油及天然氣礦業 | 29542 | 100.00 | 38423 | 100 | 27944 | 100 | 27944 | 100 | … | … | 27944 | 100 | — | — |
4 | 2019 | 砂、石採取及其他礦業 | 26206 | 95.87 | 30444 | 99.67 | 30267 | 96.26 | 24726 | 100.47 | 24589 | 99.97 | 29269 | 92.19 | 23614 | 97.95 |
In [3]:
# 上傳excel檔案 uploaded = files.upload()
Saving 1091015_108年各職類別初任人員每人每月經常性薪資-按行業別分.xlsx to 1091015_108年各職類別初任人員每人每月經常性薪資-按行業別分.xlsx
In [4]:
df2 = pd.read_excel(io.BytesIO(uploaded['1091015_108年各職類別初任人員每人每月經常性薪資-按行業別分.xlsx'])) print(len(df2)) df2.head()
110
Out[4]:
年度 | 行業別 | 經常性薪資-薪資 | 經常性薪資-女/男 | 專業人員-薪資 | 專業人員-女/男 | 技術員及助理專業人員-薪資 | 技術員及助理專業人員-女/男 | 事務支援人員-薪資 | 事務支援人員-女/男 | 服務及銷售工作人員-薪資 | 服務及銷售工作人員-女/男 | 技藝_機械設備操作及組裝人員-薪資 | 技藝_機械設備操作及組裝人員-女/男 | 基層技術工及勞力工-薪資 | 基層技術工及勞力工-女/男 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 2019 | 工業及服務業 | 28231 | 99.21 | 35065 | 99.21 | 29812 | 99.21 | 27170 | 99.48 | 26428 | 99.49 | 26794 | 98.6 | 24372 | 99.29 |
1 | 2019 | 工業 | 28177 | 99.00 | 35234 | 99 | 29593 | 98.89 | 27179 | 99.33 | 26962 | 99.36 | 26379 | 98.5 | 24230 | 99.25 |
2 | 2019 | 礦業及土石採取業 | 27040 | 97.29 | 35763 | 98.81 | 29105 | 97.55 | 25337 | 100.18 | 25047 | 99.64 | 28911 | 93.91 | 23614 | 97.95 |
3 | 2019 | 石油及天然氣礦業 | 29542 | 100.00 | 38423 | 100 | 27944 | 100 | 27944 | 100 | … | … | 27944 | 100 | — | — |
4 | 2019 | 砂、石採取及其他礦業 | 26206 | 95.87 | 30444 | 99.67 | 30267 | 96.26 | 24726 | 100.47 | 24589 | 99.97 | 29269 | 92.19 | 23614 | 97.95 |