Global Job Market : Salaries and Positions

Description

This project is a practical application as part of the "Python for Data Analysis" certification.
It allows users to explore the global job market by focusing on salaries and positions, demonstrating the direct application of the skills learned during the training.
This project is an integral part of my portfolio.

Project Contents

• explanatory_analysis.ipynb
  Jupyter Notebook for exploratory data analysis.

• dashboard.py
  Script for the interactive dashboard built with Streamlit.

• data.xlsx
  Excel file containing the data used for analysis.

• Traduction files and others
  JSON files for dashboard translation and other documents required for proper notebook and dashboard functionality.

Technologies Used

• Language: Python
• Main Libraries:
  • pandas
  • numpy
  • plotly express
  • matplotlib.pyplot
  • seaborn
  • geopandas
  • json
  • millify
  • pingouin
  • scipy.stats
• Tools:
  • JupyterLab (for the notebook)
  • Streamlit (for the dashboard)

Installation

The project uses a Conda environment.
To install the dependencies, use environment.yml.

Usage

• Jupyter Notebook:
  Open and run the explanatory_analysis.ipynb file using JupyterLab to explore the data analysis.

• Streamlit Dashboard: You can click here to see the dashboard : Dashboard link. OR To launch the dashboard, run the following command in your terminal:

  streamlit run dashboard.py

For more details, refer to the official documentation of JupyterLab and Streamlit.

Credits

Training provided by Wild Code School.

Additional Information

This project is part of my portfolio and demonstrates my skills in data analysis, visualization, and interactive dashboard creation.

Version française :

Description

Ce projet est une application pratique dans le cadre de la certification "Python pour l'analyse de données".
Il permet d'explorer le marché mondial de l'emploi en se concentrant sur les salaires et les positions, et illustre l'application directe des compétences acquises lors de la formation.
Ce projet fait partie intégrante de mon portfolio.

Contenu du Projet

• explanatory_analysis.ipynb
  Notebook Jupyter pour l'analyse exploratoire des données.

• dashboard.py
  Script pour le dashboard interactif développé avec Streamlit.

• data.xlsx
  Fichier Excel contenant les données utilisées pour l'analyse.

• Fichiers de traduction et autres
  Fichiers JSON pour la traduction du dashboard et d'autres documents nécessaires au bon fonctionnement du notebook et du dashboard.

Technologies Utilisées

• Langage: Python
• Principales Bibliothèques:
  • pandas
  • numpy
  • plotly express
  • matplotlib.pyplot
  • seaborn
  • geopandas
  • json
  • millify
  • pingouin
  • scipy.stats
• Outils:
  • JupyterLab (pour le notebook)
  • Streamlit (pour le dashboard)

Installation

Le projet utilise un environnement Conda.
Pour installer les dépendances, utiliser le fichier environment.yml.

Utilisation

• Jupyter Notebook:
  Ouvrez et exécutez le fichier explanatory_analysis.ipynb via JupyterLab (ou VSC par exemple) pour explorer l'analyse des données.

• Streamlit Dashboard: Vous pouvez cliquer ici pour voir le dashboard : Lien du dashboard Pour lancer le dashboard, exécutez la commande suivante dans votre terminal :

  streamlit run dashboard.py

Pour plus de détails, consultez la documentation officielle de JupyterLab et Streamlit.

Crédits

Formation dispensée par Wild Code School.

Autres Informations

Ce projet fait partie de mon portfolio et démontre mes compétences en analyse de données, en visualisation et en création de dashboards interactifs.