数据科学领域的工作和薪资

关于数据集

数据格式：csv

数据条目：9千条

work_year：记录数据的年份。此字段指示数据的时间背景，对于理解薪资随时间的变化趋势非常重要。

job_title：职位的具体职称，例如“数据科学家”、“数据工程师”或“数据分析师”。此列对于了解数据领域内各个专业职位的薪资分布至关重要。

job_category：将职位分类为更广泛的类别，以便于分析。这可能包括“数据分析”、“机器学习”、“数据工程”等领域。

salary_currency：支付工资的货币，例如美元、欧元等。这对于货币转换和了解全球背景下工资的实际价值非常重要。

薪资：该职位的年薪总额（以当地货币计算）。此原始薪资数据是进行区域薪资直接比较的关键。

salary_in_usd：将年度总薪资转换为美元 (USD)。这种统一的货币换算有助于进行全球薪资比较和分析。

employee_residence：员工居住的国家/地区。此数据点可用于探索不同地区薪资差异和生活成本差异。

experience_level：对员工的专业经验级别进行分类。常见的类别包括“入门级”、“中级”、“高级”和“高管”，从而深入了解经验如何影响数据相关职位的薪资。

employment_type：指定就业类型，例如“全职”、“兼职”、“合同”等。这有助于分析不同的就业安排如何影响薪酬结构。

work_setting：工作设置或环境，例如“远程”、“面对面”或“混合”。此列反映了工作设置对数据行业薪资水平的影响。

company_location：公司所在的国家/地区。它有助于分析公司所在地如何影响薪酬结构。

company_size：雇主公司的规模，通常分为小型（S）、中型（M）和大型（L）。这可以分析公司规模如何影响薪资。