用python分析招聘网站关于数据分析的工作岗位

刺骨的言语ヽ痛彻心扉 2023-02-19 11:28 288阅读 0赞

## 前言 ##

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者： Star\_Zhao

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获

[python免费学习资料以及群交流解答点击即可加入][python]

--------------------

本次主要围绕数据分析岗位的招聘情况, 进行一个简单的数据分析

## 环境 ##

win8, python3.7, pycharm, jupyter notebook

## 正文 ##

**明确分析目的**

了解数据分析岗位的最新招聘情况, 包括地区分布, 学历要求, 经验要求, 薪资水平等.

**数据收集**  
这里借助爬虫, 爬取招聘网站的招聘信息, 进而分析出相关的薪资以及招聘要求.

**目标站点分析**  
通过对目标站点的分析, 我们需要确定目标站点的请求方式, 以及网页结构.

**新建scrapy项目**

在cmd命令行窗口中任意路径下执行以下代码, 比如在"D:\\python\\Tests"目录下新建zhaopin项目

d:
    cd D:\python\Tests
    scrapy startproject zhaopin

在完成了zhaopin项目创建之后, 接下来就是在zhaopin项目文件夹中新建spider爬虫主程序

cd zhaopin
    scrapy genspider zhaopinSpider zhaopin.com

这样就完成项目zhaopin的创建, 开始编写我们的程序吧.

**定义items**

在items.py文件中定义需要爬取的招聘信息.

import scrapy
    from scrapy.item import Item, Field
    
    class zhaopinItem(Item):
        # define the fields for your item here like:
        # name = scrapy.Field()
        JobTitle = Field()                      #职位名称
        CompanyName = Field()                   #公司名称
        CompanyNature = Field()                 #公司性质
        CompanySize = Field()                   #公司规模
        IndustryField = Field()                 #所属行业
        Salary = Field()                        #薪水
        Workplace = Field()                     #工作地点
        Workyear = Field()                      #要求工作经验
        Education = Field()                     #要求学历
        RecruitNumbers = Field()                #招聘人数
        ReleaseTime = Field()                   #发布时间
        Language = Field()                      #要求语言
        Specialty = Field()                     #要求专业
        PositionAdvantage = Field()             #职位福利

**编写爬虫主程序**

在zhaopinSpider.py文件中编写爬虫主程序

import scrapy
    from scrapy.selector import Selector
    from scrapy.spiders import CrawlSpider
    from scrapy.http import Request
    from zhaopin.items import zhaopinItem
    
    class ZhaoPinSpider(scrapy.Spider):
        name = "ZhaoPinSpider"
        allowed_domains = ['zhaopin.com']
        start_urls = ['https://xxxx.com/list/2,{0}.html?'.format(str(page)) for page in range(1, 217)]
        def parse(self, response):
            ''' 开始第一页 :param response: :return: '''
            yield Request(
                url = response.url,
                callback = self.parse_job_url,
                meta={ },
                dont_filter= True
            )
    
        def parse_job_url(self, response):
            ''' 获取每页的职位详情页url :param response: :return: '''
            selector = Selector(response)
            urls = selector.xpath('//div[@class="el"]/p/span')
            for url in urls:
                url = url.xpath('a/@href').extract()[0]
                yield Request(
                    url = url,
                    callback = self.parse_job_info,
                    meta = { },
                    dont_filter = True
                )
    
        def parse_job_info(self, response):
            ''' 解析工作详情页 :param response: :return: '''
            item = Job51Item()
            selector = Selector(response)
            JobTitle = selector.xpath('//div[@class="cn"]/h1/text()').extract()[0].strip().replace(' ','').replace(',',';')
            CompanyName = selector.xpath('//div[@class="cn"]/p[1]/a[1]/text()').extract()[0].strip().replace(',',';')
            CompanyNature = selector.xpath('//div[@class="tCompany_sidebar"]/div/div[2]/p[1]/text()').extract()[0].strip().replace(',',';')
            CompanySize = selector.xpath('//div[@class="tCompany_sidebar"]/div/div[2]/p[2]/text()').extract()[0].strip().replace(',',';')
            IndustryField = selector.xpath('//div[@class="tCompany_sidebar"]/div/div[2]/p[3]/text()').extract()[0].strip().replace(',',';')
            Salary = selector.xpath('//div[@class="cn"]/strong/text()').extract()[0].strip().replace(',',';')
            infos = selector.xpath('//div[@class="cn"]/p[2]/text()').extract()
            Workplace = infos[0].strip().replace(' ','').replace(',',';')
            Workyear = infos[1].strip().replace(' ','').replace(',',';')
            if len(infos) == 4:
                Education = ''
                RecruitNumbers = infos[2].strip().replace(' ', '').replace(',',';')
                ReleaseTime = infos[3].strip().replace(' ', '').replace(',',';')
            else:
                Education = infos[2].strip().replace(' ', '').replace(',',';')
                RecruitNumbers = infos[3].strip().replace(' ', '').replace(',',';')
                ReleaseTime = infos[4].strip().replace(' ', '').replace(',',';')
            if len(infos) == 7:
                Language, Specialty = infos[5].strip().replace(' ',''), infos[6].strip().replace(' ','').replace(',',';')
            elif len(infos) == 6:
                if (('英语' in infos[5]) or ('话' in infos[5])):
                    Language, Specialty = infos[5].strip().replace(' ','').replace(',',';'), ''
                else:
                    Language, Specialty = '', infos[5].strip().replace(' ','').replace(',',';')
            else:
                Language, Specialty = '', ''
            Welfare = selector.xpath('//div[@class="t1"]/span/text()').extract()
            PositionAdvantage = ';'.join(Welfare).replace(',', ';')
            item['JobTitle'] =JobTitle
            item['CompanyName'] =CompanyName
            item['CompanyNature'] =CompanyNature
            item['CompanySize'] = CompanySize
            item['IndustryField'] = IndustryField
            item['Salary'] =Salary
            item['Workplace'] = Workplace
            item['Workyear'] =Workyear
            item['Education'] =Education
            item['RecruitNumbers'] = RecruitNumbers
            item['ReleaseTime'] =ReleaseTime
            item['Language'] = Language
            item['Specialty'] = Specialty
            item['PositionAdvantage'] = PositionAdvantage
            yield item

**编写爬虫主程序**

在zhaopinSpider.py文件中编写爬虫主程序

**保存到csv文件**

通过pipelines项目管道保存至csv文件

class Job51Pipeline(object):
        def process_item(self, item, spider):
            with open(r'D:\Data\ZhaoPin.csv','a', encoding = 'gb18030') as f:
                job_info = [item['JobTitle'], item['CompanyName'], item['CompanyNature'], item['CompanySize'], item['IndustryField'], item['Salary'], item['Workplace'], item['Workyear'], item['Education'], item['RecruitNumbers'], item['ReleaseTime'],item['Language'],item['Specialty'],item['PositionAdvantage'],'\n']
                f.write(",".join(job_info))
            return item

**配置setting**

设置用户代理, 下载延迟0.5s, 关闭cookie追踪, 调用pipelines

USER_AGENT = 'Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
    DOWNLOAD_DELAY = 0.5
    COOKIES_ENABLED = False
    ITEM_PIPELINES = { 
       'job51.pipelines.Job51Pipeline': 300,
    }

**运行程序**

新建main.py文件, 并执行以下代码

from scrapy import cmdline
    cmdline.execute('scrapy crawl zhaopin'.split())

这样开始了数据爬取, 最终爬取到9000多条数据, 在分析这些数据之前, 先看看数据都是什么样, 进入数据概览环节.

## 数据概览 ##

**读取数据**

import pandas as pd
    
    df = pd.read_csv(r'D:\aPython\Data\DataVisualization\shujufenxishiJob51.csv')
    #由于原始数据中没有字段, 需要为其添加字段
    df.columns = ['JobTitle','CompanyName','CompanyNature','CompanySize','IndustryField','Salary','Workplace','Workyear','Education','RecruitNumbers', 'ReleaseTime','Language','Specialty','PositionAdvantage']
    df.info()

抛出异常: `UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbd in position 0: invalid start byte`

*  解决办法; 用Notepad++将编码转换为utf-8 bom格式

转换之后, 再次执行

抛出异常: `ValueError: Length mismatch: Expected axis has 15 elements, new values have 14 elements`

*  解决办法: 在列表\[‘JobTitle…PositionAdvantage’\]后面追加’NNN’, 从而补齐15个元素.

追加之后, 再次执行, 执行结果为:

<class 'pandas.core.frame.DataFrame'>
    RangeIndex: 9948 entries, 0 to 9947
    Data columns (total 15 columns):
    JobTitle             9948 non-null object
    CompanyName          9948 non-null object
    CompanyNature        9948 non-null object
    CompanySize          9948 non-null object
    IndustryField        9948 non-null object
    Salary               9948 non-null object
    Workplace            9948 non-null object
    Workyear             9948 non-null object
    Education            7533 non-null object
    RecruitNumbers       9948 non-null object
    ReleaseTime          9948 non-null object
    Language             901 non-null object
    Specialty            814 non-null object
    PositionAdvantage    8288 non-null object
    NNN                  0 non-null float64
    dtypes: float64(1), object(14)
    memory usage: 1.1+ MB

可以了解到的信息: 目前的数据维度9948行X15列, Education, Language, Specialty, PositionAdvantage有不同程度的缺失(NNN是最后添加, 仅仅是用来补齐15元素), 14个python对象(1个浮点型)

**描述性统计**

由于我们所需信息的数据类型都是python对象, 故使用以下代码

#注意是大写的字母o
    df.describe(include=['O'])

从以下信息(公司名称部分我没有截图)中可以得到:

职位名称中’数据分析师’最多, 多为民营公司, 公司规模150-500人最多, 行业领域金融/投资/证券最多, 薪资中6-8千/月最多, 大多对工作经验没有要求, 学历要求多为本科, 多数均招1人等信息.  
![在这里插入图片描述][20200620144947417.png]  
职位名称的种类就有4758种, 他们都是我们本次分析的数据分析师岗位吗, 先来确认下:

zhaopin.JobTitle.unique()
    array(['零基础免费培训金融外汇数据分析师', '数据分析师（周末双休+上班舒适）', '数据分析师', ...,
           '数据分析实习(J10635)', '数据分析实习(J10691)', '数据分析实习(J10713)'], dtype=object)

这仅仅显示了职位名称中的一部分,而且还都符合要求, 换种思路先看20个

JobTitle = zhaopin.groupby('JobTitle', as_index=False).count()
    JobTitle.JobTitle.head(20)
    0                             (AI)机器学习开发工程师讲师
    1                           (ID67391)美资公司数据分析
    2                           (ID67465)美资公司数据分析
    3             (ID67674)500强法资汽车制造商数据分析专员（6个月）
    4                 (ID67897)知名500强法资公司招聘数据分析专员
    5                         (Senior)DataAnalyst
    6                           (免费培训)数据分析师+双休+底薪
    7            (实习职位）BusinessDataAnalyst/业务数据分析
    8                                   (急）人力销售经理
    9                               (提供食宿)银行客服+双休
    10    (日语)股票数据分析员/EquityDataAnalyst-Japanese/
    11     (越南语)股票数据分析员/EquityDataAnalyst-Vietnam
    12                           (跨境电商)产品专员/数据分析师
    13       (韩语)股票数据分析员/EquityDataAnalyst-Korean
    14                                    ***数据分析
    15                               -数据分析师助理/实习生
    16                      -数据分析师助理/统计专员+双休五险+住宿
    17                        -无销售不加班金融数据分析师月入10k
    18                          -金融数据分析师助理6k-1.5w
    19                             -金融数据分析师双休岗位分红
    Name: JobTitle, dtype: object

可以看到还有机器学习开发讲师, 人力销售经理, 银行客服等其他无效数据.

现在我们对数据有了大致的认识, 下来我们开始数据预处理.

## 数据预处理 ##

**数据清洗**

数据清洗的目的是不让有错误或有问题的数据进入加工过程, 其主要内容包括: 重复值, 缺失值以及空值的处理

**删除重复值**

如果数据中存在重复记录, 而且重复数量较多时, 势必会对结果造成影响, 因此我们应当首先处理重复值.

#删除数据表中的重复记录, 并将删除后的数据表赋值给zhaopin
    zhaopin = df.drop_duplicates(inplace = False)
    zhaopin.shape
    (8927, 15)

对比之前的数据, 重复记录1021条.

**过滤无效数据**

我们了解到职位名称中存在无效数据, 我们对其的处理方式是过滤掉.

#筛选名称中包含'数据'或'分析'或'Data'的职位
    zhaopin = zhaopin[zhaopin.JobTitle.str.contains('.*?数据.*?|.*?分析.*?|.*?Data.*?')]
    zhaopin.shape
    (7959, 15)

**缺失值处理**

在pandas中缺失值为NaN或者NaT, 其处理方式有多种:

1.  利用均值等集中趋势度量填充
2.  利用统计模型计算出的值填充
3.  保留缺失值
4.  删除缺失值

#计算每个特征中缺失值个数
    zhaopin.isnull().sum()
    JobTitle                0
    CompanyName             0
    CompanyNature           0
    CompanySize             0
    IndustryField           0
    Salary                  0
    Workplace               0
    Workyear                0
    Education            1740
    RecruitNumbers          0
    ReleaseTime             0
    Language             7227
    Specialty            7244
    PositionAdvantage    1364
    NNN                  7959
    dtype: int64

*  Education: 缺失值占比1740/7959 = 21.86%, 缺失很有可能是"不限学历", 我们就用"不限学历"填充

zhaopin.Education.fillna('不限学历', inplace=True)

*  Language: 缺失值占比7227/7959 = 90.80%, 缺失太多, 删除特征
 *  Specialty: 缺失值占比7244/7959 = 91.02%, 同样缺失很多, 删除

zhaopin.drop(['Specialty','Language'], axis=1, inplace = True)

*  PositionAdvantage: 缺失占比1364/7959 = 17.14%, 选用众数中的第一个’五险一金’填充

zhaopin.PositionAdvantage.fillna(zhaopin.PositionAdvantage.mode()[0], inplace = True)

*  NNN: 没有任何意义, 直接删除

zhaopin.drop(["NNN"], axis=1, inplace = True)

最后, 检查缺失值是否处理完毕

zhaopin.isnull().sum()
    JobTitle             0
    CompanyName          0
    CompanyNature        0
    CompanySize          0
    IndustryField        0
    Salary               0
    Workplace            0
    Workyear             0
    Education            0
    RecruitNumbers       0
    ReleaseTime          0
    PositionAdvantage    0
    dtype: int64

## 数据加工 ##

由于现有的数据不能满足我们的分析需求, 因此需要对现有数据表进行分列, 计算等等操作.

需要处理的特征有: `Salary`, `Workplace`

**Salary**

将薪资分为最高薪资和最低薪资, 另外了解到薪资中单位有元/小时, 元/天, 万/月, 万/年, 千/月, 统一将其转化为千/月

import re
    #将5种单元进行编号
    zhaopin['Standard'] = np.where(zhaopin.Salary.str.contains('元.*?小时'), 0, 
                                   np.where(zhaopin.Salary.str.contains('元.*?天'), 1,
                                            np.where(zhaopin.Salary.str.contains('千.*?月'), 2, 
                                                     np.where(zhaopin.Salary.str.contains('万.*?月'), 3, 
                                                              4))))
    #用'-'将Salary分割为LowSalary和HighSalary
    SalarySplit = zhaopin.Salary.str.split('-', expand = True)
    zhaopin['LowSalary'], zhaopin['HighSalary'] = SalarySplit[0], SalarySplit[1]
    #Salary中包含'以上', '以下'或者两者都不包含的进行编号
    zhaopin['HighOrLow'] = np.where(zhaopin.LowSalary.str.contains('以.*?下'), 0, 
                                    np.where(zhaopin.LowSalary.str.contains('以.*?上'), 2, 
                                             1))
    #匹配LowSalary中的数字, 并转为浮点型
    Lower = zhaopin.LowSalary.apply(lambda x: re.search('(\d+\.?\d*)', x).group(1)).astype(float)
    #对LowSalary中HighOrLow为1的部分进行单位换算, 全部转为'千/月'
    zhaopin.LowSalary = np.where(((zhaopin.Standard==0)&(zhaopin.HighOrLow==1)), Lower*8*21/1000,
                                 np.where(((zhaopin.Standard==1)&(zhaopin.HighOrLow==1)), Lower*21/1000,
                                          np.where(((zhaopin.Standard==2)&(zhaopin.HighOrLow==1)), Lower,
                                                   np.where(((zhaopin.Standard==3)&(zhaopin.HighOrLow==1)), Lower*10,
                                                            np.where(((zhaopin.Standard==4)&(zhaopin.HighOrLow==1)), Lower/12*10,
                                                                     Lower)))))
    
    #对HighSalary中的缺失值进行填充, 可以有效避免匹配出错.
    zhaopin.HighSalary.fillna('0千/月', inplace =True)
    #匹配HighSalary中的数字, 并转为浮点型
    Higher = zhaopin.HighSalary.apply(lambda x: re.search('(\d+\.?\d*).*?', str(x)).group(1)).astype(float)
    #对HighSalary中HighOrLow为1的部分完成单位换算, 全部转为'千/月'
    zhaopin.HighSalary = np.where(((zhaopin.Standard==0)&(zhaopin.HighOrLow==1)),zhaopin.LowSalary/21*26,
                                  np.where(((zhaopin.Standard==1)&(zhaopin.HighOrLow==1)),zhaopin.LowSalary/21*26,
                                           np.where(((zhaopin.Standard==2)&(zhaopin.HighOrLow==1)), Higher,
                                                    np.where(((zhaopin.Standard==3)&(zhaopin.HighOrLow==1)), Higher*10,
                                                             np.where(((zhaopin.Standard==4)&(zhaopin.HighOrLow==1)), Higher/12*10,
                                                                      np.where(zhaopin.HighOrLow==0, zhaopin.LowSalary, 
                                                                               zhaopin.LowSalary))))))
    #查看当HighOrLow为0时, Standard都有哪些, 输出为2, 4
    zhaopin[zhaopin.HighOrLow==0].Standard.unique()   
    #完成HighOrLow为0时的单位换算
    zhaopin.loc[(zhaopin.HighOrLow==0)&(zhaopin.Standard==2), 'LowSalary'] = zhaopin[(zhaopin.HighOrLow==0)&(zhaopin.Standard==2)].HighSalary.apply(lambda x: 0.8*x)
    zhaopin.loc[(zhaopin.HighOrLow==0)&(zhaopin.Standard==4), 'HighSalary'] = zhaopin[(zhaopin.HighOrLow==0)&(zhaopin.Standard==4)].HighSalary.apply(lambda x: x/12*10)
    zhaopin.loc[(zhaopin.HighOrLow==0)&(zhaopin.Standard==4), 'LowSalary'] = zhaopin[(zhaopin.HighOrLow==0)&(zhaopin.Standard==4)].HighSalary.apply(lambda x: 0.8*x)
    #查看当HighOrLow为2时, Srandard有哪些, 输出为4
    zhaopin[zhaopin.HighOrLow==2].Standard.unique() 
    #完成HighOrLow为2时的单位换算
    zhaopin.loc[zhaopin.HighOrLow==2, 'LowSalary']  = zhaopin[zhaopin.HighOrLow==2].HighSalary.apply(lambda x: x/12*10)
    zhaopin.loc[zhaopin.HighOrLow==2, 'HighSalary'] = zhaopin[zhaopin.HighOrLow==2].LowSalary.apply(lambda x: 1.2*x)zhaopin.LowSalary , zhaopin.HighSalary = zhaopin.LowSalary.apply(lambda x: '%.1f'%x), zhaopin.HighSalary.apply(lambda x: '%.1f'%x)

**Workplace**

对工作地区进行统一

#查看工作地有哪些
    zhaopin.Workplace.unique()
    #查看工作地点名字中包括省的有哪些, 结果显示全部为xx省, 且其中不会出现市级地区名
    zhaopin[zhaopin.Workplace.str.contains('省')].Workplace.unique()
    #将地区统一到市级
    zhaopin['Workplace'] = zhaopin.Workplace.str.split('-', expand=True)[0]

**删除重复多余信息**

zhaopin.drop(['Salary','Standard', 'HighOrLow'], axis = 1, inplace = True)

到目前为止, 我们对数据处理完成了, 接下来就是分析了.

## 可视化分析 ##

**企业类型**

import matplotlib
    import matplotlib.pyplot as plt
    CompanyNature_Count = zhaopin.CompanyNature.value_counts()
    #设置中文字体
    font = { 'family': 'SimHei'}
    matplotlib.rc('font', **font)
    fig = plt.figure(figsize = (8, 8))
    #绘制饼图, 参数pctdistance表示饼图内部字体离中心距离, labeldistance则是label的距离, radius指饼图的半径
    patches, l_text, p_text = plt.pie(CompanyNature_Count, autopct = '%.2f%%', pctdistance = 0.6, labels = CompanyNature_Count.index, labeldistance=1.1, radius = 1)
    m , n= 0.02, 0.028
    for t in l_text[7: 11]:
        t.set_y(m)
        m += 0.1
    for p in p_text[7: 11]:
        p.set_y(n)
        n += 0.1
    plt.title('数据分析岗位中各类型企业所占比例', fontsize=24)

可以看出招聘中主要以民营企业, 合资企业和上市公司为主.  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70]  
**企业规模**

CompanySize_Count = zhaopin.CompanySize.value_counts()
    index, bar_width= np.arange(len(CompanySize_Count)), 0.6
    fig = plt.figure(figsize = (8, 6))
    plt.barh(index*(-1)+bar_width, CompanySize_Count, tick_label = CompanySize_Count.index, height = bar_width)
    #添加数据标签
    for x,y in enumerate(CompanySize_Count):
        plt.text(y+0.1, x*(-1)+bar_width, '%s'%y, va = 'center')
    plt.title('数据分析岗位各公司规模总数分布条形图', fontsize = 24)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 1]  
**地区**

from pyecharts import Geo
    from collections import Counter
    #统计各地区出现次数, 并转换为元组的形式
    data = Counter(place).most_common()
    #生成地理坐标图
    geo =Geo("数据分析岗位各地区需求量", title_color="#fff", title_pos="center", width=1200, height=600, background_color='#404a59')
    attr, value =geo.cast(data)
    #添加数据点
    geo.add('', attr, value, visual_range=[0, 100],visual_text_color='#fff', symbol_size=5, is_visualmap=True, is_piecewise=True)
    geo.show_config()
    geo.render()

可以看出北上广深等经济相对发达的地区, 对于数据分析岗位的需求量大.  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 2]  
**学历和工作经验**

fig, ax = plt.subplots(1, 2, figsize = (18, 8))
    Education_Count = zhaopin.Education.value_counts()
    Workyear_Count = zhaopin.Workyear.value_counts()
    patches, l_text, p_text = ax[0].pie(Education_Count, autopct = '%.2f%%', labels = Education_Count.index )
    m = -0.01
    for t in l_text[6:]:
        t.set_y(m)
        m += 0.1
        print(t)
    for p in p_text[6:]:
        p.set_y(m)
        m += 0.1
    ax[0].set_title('数据分析岗位各学历要求所占比例', fontsize = 24)
    index, bar_width = np.arange(len(Workyear_Count)), 0.6
    ax[1].barh(index*(-1) + bar_width, Workyear_Count, tick_label = Workyear_Count.index, height = bar_width)
    ax[1].set_title('数据分析岗位工作经验要求', fontsize= 24)

学历要求多以本科,大专为主, 工作经验要求中无工作经验要求为主, 可见招聘主要面向的是应届毕业生.![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 3]  
**薪资水平**

薪资与岗位需求关系

fig = plt.figure(figsize = (9,7))
    #转换类型为浮点型
    zhaopin.LowSalary, zhaopin.HighSalary = zhaopin.LowSalary.astype(float), zhaopin.HighSalary.astype(float)
    #分别求各地区平均最高薪资, 平均最低薪资
    Salary = zhaopin.groupby('Workplace', as_index = False)['LowSalary', 'HighSalary'].mean()#分别求各地区的数据分析岗位数量,并降序排列 
    Workplace = zhaopin.groupby('Workplace', as_index= False)['JobTitle'].count().sort_values('JobTitle', ascending = False)#合并数据表
    Workplace = pd.merge(Workplace, Salary, how = 'left', on = 'Workplace')#用前20名进行绘图
    Workplace = Workplace.head(20)
    plt.bar(Workplace.Workplace, Workplace.JobTitle, width = 0.8, alpha = 0.8)
    plt.plot(Workplace.Workplace, Workplace.HighSalary*1000, '--',color = 'g', alpha = 0.9, label='平均最高薪资')
    plt.plot(Workplace.Workplace, Workplace.LowSalary*1000, '-.',color = 'r', alpha = 0.9, label='平均最低薪资')
    #添加数据标签
    for x, y in enumerate(Workplace.HighSalary*1000):
        plt.text(x, y, '%.0f'%y, ha = 'left', va='bottom')
    for x, y in enumerate(Workplace.LowSalary*1000):
        plt.text(x, y, '%.0f'%y, ha = 'right', va='bottom')
    for x, y in enumerate(Workplace.JobTitle):
        plt.text(x, y, '%s'%y, ha = 'center', va='bottom')
    plt.legend()
    plt.title('数据分析岗位需求量排名前20地区的薪资水平状况', fontsize = 20)

可以看出, 随着需求量的减少, 薪资水平也有所降低.  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 4]  
薪资与经验关系

#求出各工作经验对应的平均最高与平均最低薪资
    Salary_Year = zhaopin.groupby('Workyear', as_index = False)['LowSalary', 'HighSalary'].mean()
    #求平均薪资
    Salary_Year['Salary'] = (Salary_Year.LowSalary.add(Salary_Year.HighSalary)).div(2)
    #转换列, 得到想要的顺序
    Salary_Year.loc[0], Salary_Year.loc[6] = Salary_Year.loc[6], Salary_Year.loc[0]
    #绘制条形图
    plt.barh(Salary_Year.Workyear, Salary_Year.Salary, height = 0.6)
    for x, y in enumerate(Salary_Year.Salary):
        plt.text(y+0.1,x, '%.2f'%y, va = 'center')
    plt.title('各工作经验对应的平均薪资水平(单位:千/月)', fontsize = 20)

工作经验越丰富, 薪资越高.  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 5]  
薪资与学历关系

#计算平均薪资
    Salary_Education = zhaopin.groupby('Education', as_index = False)['LowSalary', 'HighSalary'].mean()
    Salary_Education['Salary'] = Salary_Education.LowSalary.add(Salary_Education.HighSalary).div(2)
    Salary_Education = Salary_Education.sort_values('Salary', ascending = True)
    #绘制柱形图
    plt.bar(Salary_Education.Education, Salary_Education.Salary, width = 0.6)
    for x,y in enumerate(Salary_Education.Salary):
        plt.text(x, y, '%.2f'%y, ha = 'center', va='bottom')
    plt.title('各学历对应的平均工资水平(单位:千/月)', fontsize = 20)

学历越高, 对应的薪资水平越高  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 6]

## 总结 ##

1.  数据分析岗位中企业类型以民营企业, 合资企业和上市公司为主, 企业规模多为50-500人.
2.  数据分析岗位的学历要求以本科,大专为主, 经验中无工作经验占多数, 可见主要面向的是应届毕业生.
3.  北上广深杭等经济相对发达的地区对数据分析岗位的需求量大, 且薪资水平较高于其他地区; 学历越高, 经验越丰富对应的薪资水平也会增高.

[python]: https://jq.qq.com/?_wv=1027&k=ThcV4SNF
[20200620144947417.png]: https://img-blog.csdnimg.cn/20200620144947417.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200620145509272.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200620145613623.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200620145637161.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200620145658903.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200620145724759.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200620145747502.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200620145805745.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70