本次主要圍繞數據分析崗位的招聘情況, 進行一個簡單的數據分析
環境
win8, python3.7, pycharm, jupyter notebook
正文
1. 明確分析目的
了解數據分析崗位的最新招聘情況, 包括地區分布, 學歷要求, 經驗要求, 薪資水平等.
2. 數據收集
這里借助爬蟲, 爬取招聘網站的招聘信息, 進而分析出相關的薪資以及招聘要求.
2.1 目標站點分析
通過對目標站點的分析, 我們需要確定目標站點的請求方式, 以及網頁結構.
2.2 新建scrapy項目
1. 在cmd命令行窗口中任意路徑下執行以下代碼, 比如在"D:\python\Tests"目錄下新建zhaopin項目.
d:
cd D:\python\Tests
scrapy startproject zhaopin
2. 在完成了zhaopin項目創建之后, 接下來就是在zhaopin項目文件夾中新建spider爬蟲主程序
cd zhaopin
scrapy genspider zhaopinSpider zhaopin.com
這樣就完成項目zhaopin的創建, 開始編寫我們的程序吧.
2.3 定義items
在items.py文件中定義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() #職位名稱 CompanyName = Field() #公司名稱 CompanyNature = Field() #公司性質 CompanySize = Field() #公司規模 IndustryField = Field() #所屬行業 Salary = Field() #薪水 Workplace = Field() #工作地點 Workyear = Field() #要求工作經驗 Education = Field() #要求學歷 RecruitNumbers = Field() #招聘人數 ReleaseTime = Field() #發布時間 Language = Field() #要求語言 Specialty = Field() #要求專業 PositionAdvantage = Field() #職位福利
2.4 編寫爬蟲主程序
在zhaopinSpider.py文件中編寫爬蟲主程序
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): ''' 開始第一頁 :param response: :return: ''' yield Request( url = response.url, callback = self.parse_job_url, meta={}, dont_filter= True ) def parse_job_url(self, response): ''' 獲取每頁的職位詳情頁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): ''' 解析工作詳情頁 :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 (('英語' in infos[5]) or ('話' 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
2.5 保存到csv文件
通過pipelines項目管道保存至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
2.6 配置setting
設置用戶代理, 下載延遲0.5s, 關閉cookie追蹤, 調用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, }
2.7 運行程序
新建main.py文件, 並執行以下代碼
from scrapy import cmdline cmdline.execute('scrapy crawl zhaopin'.split())
這樣開始了數據爬取, 最終爬取到9000多條數據, 在分析這些數據之前, 先看看數據都是什么樣, 進入數據概覽環節.
3. 數據概覽
3.1 讀取數據
import pandas as pd df = pd.read_csv(r'D:\aPython\Data\DataVisualization\shujufenxishiJob51.csv') #由於原始數據中沒有字段, 需要為其添加字段 df.columns = ['JobTitle','CompanyName','CompanyNature','CompanySize','IndustryField','Salary','Workplace','Workyear','Education','RecruitNumbers', 'ReleaseTime','Language','Specialty','PositionAdvantage'] df.info()
拋出異常: UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbd in position 0: invalid start byte
解決辦法; 用Notepad++將編碼轉換為utf-8 bom格式
轉換之后, 再次執行
拋出異常: ValueError: Length mismatch: Expected axis has 15 elements, new values have 14 elements
解決辦法: 在列表['JobTitle.....PositionAdvantage']后面追加'NNN', 從而補齊15個元素.
追加之后, 再次執行, 執行結果為:
<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: 目前的數據維度9948行X15列, Education, Language, Specialty, PositionAdvantage有不同程度的缺失(NNN是最后添加, 僅僅是用來補齊15元素), 14個python對象(1個浮點型)
3.2 描述性統計
由於我們所需信息的數據類型都是python對象, 故使用以下代碼
#注意是大寫的字母o df.describe(include=['O'])
從以下信息(公司名稱部分我沒有截圖)中可以得到:
職位名稱中'數據分析師'最多, 多為民營公司, 公司規模150-500人最多, 行業領域金融/投資/證券最多, 薪資中6-8千/月最多, 大多對工作經驗沒有要求, 學歷要求多為本科, 多數均招1人等信息.
職位名稱的種類就有4758種, 他們都是我們本次分析的數據分析師崗位嗎, 先來確認下:
zhaopin.JobTitle.unique()
array(['零基礎免費培訓金融外匯數據分析師', '數據分析師（周末雙休+上班舒適）', '數據分析師', ...,
'數據分析實習(J10635)', '數據分析實習(J10691)', '數據分析實習(J10713)'], dtype=object)
這僅僅顯示了職位名稱中的一部分,而且還都符合要求, 換種思路先看20個
JobTitle = zhaopin.groupby('JobTitle', as_index=False).count() JobTitle.JobTitle.head(20)
0 (AI)機器學習開發工程師講師 1 (ID67391)美資公司數據分析 2 (ID67465)美資公司數據分析 3 (ID67674)500強法資汽車制造商數據分析專員（6個月） 4 (ID67897)知名500強法資公司招聘數據分析專員 5 (Senior)DataAnalyst 6 (免費培訓)數據分析師+雙休+底薪 7 (實習職位）BusinessDataAnalyst/業務數據分析 8 (急）人力銷售經理 9 (提供食宿)銀行客服+雙休 10 (日語)股票數據分析員/EquityDataAnalyst-Japanese/ 11 (越南語)股票數據分析員/EquityDataAnalyst-Vietnam 12 (跨境電商)產品專員/數據分析師 13 (韓語)股票數據分析員/EquityDataAnalyst-Korean 14 ***數據分析 15 -數據分析師助理/實習生 16 -數據分析師助理/統計專員+雙休五險+住宿 17 -無銷售不加班金融數據分析師月入10k 18 -金融數據分析師助理6k-1.5w 19 -金融數據分析師雙休崗位分紅 Name: JobTitle, dtype: object
可以看到還有機器學習開發講師, 人力銷售經理, 銀行客服等其他無效數據.
現在我們對數據有了大致的認識, 下來我們開始數據預處理.
4. 數據預處理
4.1 數據清洗
數據清洗的目的是不讓有錯誤或有問題的數據進入加工過程, 其主要內容包括: 重復值, 缺失值以及空值的處理
4.1.1 刪除重復值
如果數據中存在重復記錄, 而且重復數量較多時, 勢必會對結果造成影響, 因此我們應當首先處理重復值.
#刪除數據表中的重復記錄, 並將刪除后的數據表賦值給zhaopin zhaopin = df.drop_duplicates(inplace = False) zhaopin.shape
(8927, 15)
對比之前的數據, 重復記錄1021條.
4.1.2 過濾無效數據
我們了解到職位名稱中存在無效數據, 我們對其的處理方式是過濾掉.
#篩選名稱中包含'數據'或'分析'或'Data'的職位 zhaopin = zhaopin[zhaopin.JobTitle.str.contains('.*?數據.*?|.*?分析.*?|.*?Data.*?')]
zhaopin.shape
(7959, 15)
4.1.3 缺失值處理
在pandas中缺失值為NaN或者NaT, 其處理方式有多種:
1. 利用均值等集中趨勢度量填充
2. 利用統計模型計算出的值填充
3. 保留缺失值
4. 刪除缺失值
#計算每個特征中缺失值個數
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"不限學歷", 我們就用"不限學歷"填充
zhaopin.Education.fillna('不限學歷', inplace=True)
-- Language: 缺失值占比7227/7959 = 90.80%, 缺失太多, 刪除特征
-- Specialty: 缺失值占比7244/7959 = 91.02%, 同樣缺失很多, 刪除
zhaopin.drop(['Specialty','Language'], axis=1, inplace = True)
-- PositionAdvantage: 缺失占比1364/7959 = 17.14%, 選用眾數中的第一個'五險一金'填充
zhaopin.PositionAdvantage.fillna(zhaopin.PositionAdvantage.mode()[0], inplace = True)
-- NNN: 沒有任何意義, 直接刪除
zhaopin.drop(["NNN"], axis=1, inplace = True)
最后, 檢查缺失值是否處理完畢
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
4.2 數據加工
由於現有的數據不能滿足我們的分析需求, 因此需要對現有數據表進行分列, 計算等等操作.
需要處理的特征有: Salary, Workplace
1. Salary
將薪資分為最高薪資和最低薪資, 另外了解到薪資中單位有元/小時, 元/天, 萬/月, 萬/年, 千/月, 統一將其轉化為千/月
import re #將5種單元進行編號 zhaopin['Standard'] = np.where(zhaopin.Salary.str.contains('元.*?小時'), 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('萬.*?月'), 3, 4)))) #用'-'將Salary分割為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'或者兩者都不包含的進行編號 zhaopin['HighOrLow'] = np.where(zhaopin.LowSalary.str.contains('以.*?下'), 0, np.where(zhaopin.LowSalary.str.contains('以.*?上'), 2, 1)) #匹配LowSalary中的數字, 並轉為浮點型 Lower = zhaopin.LowSalary.apply(lambda x: re.search('(\d+\.?\d*)', x).group(1)).astype(float) #對LowSalary中HighOrLow為1的部分進行單位換算, 全部轉為'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))))) #對HighSalary中的缺失值進行填充, 可以有效避免匹配出錯. zhaopin.HighSalary.fillna('0千/月', inplace =True) #匹配HighSalary中的數字, 並轉為浮點型 Higher = zhaopin.HighSalary.apply(lambda x: re.search('(\d+\.?\d*).*?', str(x)).group(1)).astype(float) #對HighSalary中HighOrLow為1的部分完成單位換算, 全部轉為'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)))))) #查看當HighOrLow為0時, Standard都有哪些, 輸出為2, 4 zhaopin[zhaopin.HighOrLow==0].Standard.unique() #完成HighOrLow為0時的單位換算 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) #查看當HighOrLow為2時, Srandard有哪些, 輸出為4 zhaopin[zhaopin.HighOrLow==2].Standard.unique() #完成HighOrLow為2時的單位換算 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)
2. Workplace
對工作地區進行統一
#查看工作地有哪些 zhaopin.Workplace.unique() #查看工作地點名字中包括省的有哪些, 結果顯示全部為xx省, 且其中不會出現市級地區名 zhaopin[zhaopin.Workplace.str.contains('省')].Workplace.unique() #將地區統一到市級 zhaopin['Workplace'] = zhaopin.Workplace.str.split('-', expand=True)[0]
3. 刪除重復多余信息
zhaopin.drop(['Salary','Standard', 'HighOrLow'], axis = 1, inplace = True)
到目前為止, 我們對數據處理完成了, 接下來就是分析了.
5. 可視化分析
5.1 企業類型
import matplotlib import matplotlib.pyplot as plt CompanyNature_Count = zhaopin.CompanyNature.value_counts() #設置中文字體 font = {'family': 'SimHei'} matplotlib.rc('font', **font) fig = plt.figure(figsize = (8, 8)) #繪制餅圖, 參數pctdistance表示餅圖內部字體離中心距離, labeldistance則是label的距離, radius指餅圖的半徑 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('數據分析崗位中各類型企業所占比例', fontsize=24)
5.2 企業規模
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) #添加數據標簽 for x,y in enumerate(CompanySize_Count): plt.text(y+0.1, x*(-1)+bar_width, '%s'%y, va = 'center') plt.title('數據分析崗位各公司規模總數分布條形圖', fontsize = 24)
招聘數據分析崗位的公司規模主要以50-500人為主
5.3 地區
from pyecharts import Geo from collections import Counter #統計各地區出現次數, 並轉換為元組的形式 data = Counter(place).most_common() #生成地理坐標圖 geo =Geo("數據分析崗位各地區需求量", title_color="#fff", title_pos="center", width=1200, height=600, background_color='#404a59') attr, value =geo.cast(data) #添加數據點 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()
可以看出北上廣深等經濟相對發達的地區, 對於數據分析崗位的需求量大.
參考自: https://blog.csdn.net/qq_41841569/article/details/82811153?utm_source=blogxgwz1
5.4 學歷和工作經驗
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('數據分析崗位各學歷要求所占比例', 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('數據分析崗位工作經驗要求', fontsize= 24)
學歷要求多以本科,大專為主, 工作經驗要求中無工作經驗要求為主, 可見招聘主要面向的是應屆畢業生.
5.4 薪資水平
1. 薪資與崗位需求關系
fig = plt.figure(figsize = (9,7)) #轉換類型為浮點型 zhaopin.LowSalary, zhaopin.HighSalary = zhaopin.LowSalary.astype(float), zhaopin.HighSalary.astype(float) #分別求各地區平均最高薪資, 平均最低薪資 Salary = zhaopin.groupby('Workplace', as_index = False)['LowSalary', 'HighSalary'].mean()#分別求各地區的數據分析崗位數量,並降序排列 Workplace = zhaopin.groupby('Workplace', as_index= False)['JobTitle'].count().sort_values('JobTitle', ascending = False)#合並數據表 Workplace = pd.merge(Workplace, Salary, how = 'left', on = 'Workplace')#用前20名進行繪圖 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='平均最高薪資') plt.plot(Workplace.Workplace, Workplace.LowSalary*1000, '-.',color = 'r', alpha = 0.9, label='平均最低薪資') #添加數據標簽 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('數據分析崗位需求量排名前20地區的薪資水平狀況', fontsize = 20)
可以看出, 隨着需求量的減少, 薪資水平也有所降低.
2. 薪資與經驗關系
#求出各工作經驗對應的平均最高與平均最低薪資 Salary_Year = zhaopin.groupby('Workyear', as_index = False)['LowSalary', 'HighSalary'].mean() #求平均薪資 Salary_Year['Salary'] = (Salary_Year.LowSalary.add(Salary_Year.HighSalary)).div(2) #轉換列, 得到想要的順序 Salary_Year.loc[0], Salary_Year.loc[6] = Salary_Year.loc[6], Salary_Year.loc[0] #繪制條形圖 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('各工作經驗對應的平均薪資水平(單位:千/月)', fontsize = 20)
工作經驗越豐富, 薪資越高.
3. 薪資與學歷關系
#計算平均薪資 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) #繪制柱形圖 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('各學歷對應的平均工資水平(單位:千/月)', fontsize = 20)
學歷越高, 對應的薪資水平越高
總結
1. 數據分析崗位中企業類型以民營企業, 合資企業和上市公司為主, 企業規模多為50-500人.
2. 數據分析崗位的學歷要求以本科,大專為主, 經驗中無工作經驗占多數, 可見主要面向的是應屆畢業生.
3. 北上廣深杭等經濟相對發達的地區對數據分析崗位的需求量大, 且薪資水平較高於其他地區; 學歷越高, 經驗越豐富對應的薪資水平也會增高.