2月19日，行政院主計處公佈了109年受僱員工的平均月薪為5萬4320元，換算成年薪就是65萬1840元。此數字相較於108年，增加了1.24%。不過，總有人在抱怨：「拼死拼活了一整年，薪水也只漲了這麼一點點。公司賺了那麼多錢，員工只分得到皮毛而已啦！」事實真的是如此嗎？口說無憑，用Pandas來分析一下就知道了。
此處，我們將以台灣上市公司的資料為例，來找出以上問題的解答。相關的資料集可以透過公開資訊觀測站來下載。小編已將資料集放到Github，執行以下程式即可讀入資料。同時，我們檢視一下該資料集存有哪些欄位：
其中，「同業公司平均每股盈餘（元/股）」之後的欄位沒什麼用，故此處我們使用iloc屬性來根據位置數字取出前9個欄位的資料，並存成data變數：
為了方便後續的處理，可以先利用rename()來修改欄位名稱，如下所示：
小編在檢視原始資料集後發現，特定欄位的資料會參雜逗點，例如「1000」會表示為「1,000」。這使得我們無法對相關欄位進行數值運算，因為Pandas會將其中的資料視為字串。為了解決這個問題，直接用str.replace將逗點替換成空字串即可。在處理完相關欄位後，別忘了透過assign()將清理過的資料取代原有資料。
如何能夠知道一家上市公司賺不賺錢呢？很簡單，透過其公佈的EPS（已存在EPS欄位）就可一探究竟。我們可以利用nlargest()並搭配相關參數，來找出EPS最高的100家公司。接著，將這100家公司的名稱另外存成eps_name變數，以利稍後的分析工作。
另外，員工的平均薪資已經存在Avg_salary欄位中。因此，我們對該欄位進行同樣的操作，找出平均薪資最高的前100家公司，並把這些公司的名稱存成salary_name變數。
接著，就可以嘗試找出這兩個變數內資料的交集，再把輸出結果轉回Series的形式。從輸出結果可見，僅有27家公司同時是最賺錢，而且平均薪資也是最高的：
這樣看或許不太準，那不如就用視覺化圖表來分析看看。為了找出兩個連續欄位間的相關性，散佈圖會是一個不錯的選擇。在以下程式中，我們將散佈圖的x軸設為Avg_salary欄位，y軸則設為EPS欄位，並觀察這兩個數值欄位間的關係。
從輸出圖中，我們似乎無法明確地判斷這兩個欄位是否相關。若想得到更直觀的結果，可以查看兩個欄位之間的皮爾遜相關性（Pearson correlation）。皮爾遜相關係數介於-1和1之間，數值越接近1，也就代表正相關性越高。
由於這兩個欄位間的皮爾遜相關係數僅為0.196左右，表示相關性並不高。換言之，就算公司賺錢，員工的平均薪資並不必然越高（當然也不會越低啦）。不過，大家也不必感到灰心，只要持續努力，累積自己的實力，相信就有越多談薪（或跳槽）的空間。以上程式已放到Colab筆記本中，有興趣的讀者可以跑跑看。
若想精進自己的資料分析功力，歡迎參考旗標出版的《Python資料分析必備套件！Pandas資料清理、重塑、過濾、視覺化》一書。全書涵蓋了 Pandas 資料分析的 114 技，保證您學好學滿！現正與《NumPy 高速運算徹底解說》合購75折優惠中，兩個Python熱門套件，幫您一次搞定！
