大家好，我是 👉 【Python當(dāng)打之年(點(diǎn)擊跳轉(zhuǎn))】

本期我們利用Python分析「智聯(lián)招聘大數(shù)據(jù)崗位數(shù)據(jù)集」，看看：各招聘城市平均薪資分布、招聘崗位數(shù)量分布、崗位學(xué)歷要求、崗位經(jīng)驗(yàn)要求、不同學(xué)歷不同工作經(jīng)驗(yàn)平均薪資分布等等，希望對(duì)大家有所幫助，如有疑問(wèn)或者需要改進(jìn)的地方可以聯(lián)系小編。

涉及到的庫(kù)：

• Pandas— 數(shù)據(jù)處理
• Pyecharts— 數(shù)據(jù)可視化

🏳??🌈 1. 導(dǎo)入模塊

import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts
import warnings
warnings.filterwarnings('ignore')

🏳??🌈 2. Pandas數(shù)據(jù)處理

2.1 讀取數(shù)據(jù)

df = pd.read_excel('datas.xlsx')

2.2 數(shù)據(jù)信息

df.info()

2.3 數(shù)據(jù)去重

df = df.drop_duplicates()

2.4 薪資處理

def split_salary(salary, method):low_salary_1 = 0.0high_salary_1 = 0.0salary_t = salary.split('·')[0] if '-' in salary_t: low_salary = salary_t.split('-')[0]high_salary = salary_t.split('-')[1] if '萬(wàn)' in salary_t:low_salary_1 = float(low_salary) * 10000high_salary_1 = float(high_salary.replace('萬(wàn)','')) * 10000                     elif '元' in salary_t: low_salary_1 = float(low_salary)high_salary_1 = float(high_salary.replace('元',''))if method == 'low':returnint(low_salary_1)elif method == 'high':returnint(high_salary_1)

🏳??🌈 3. Pyecharts數(shù)據(jù)可視化

3.1 各城市平均薪資

def get_chart():chart = (Map(i).add('',data_pair=datas,maptype='china-cities',is_map_symbol_show=False,).set_global_opts(visualmap_opts=opts.VisualMapOpts(pos_left = '3%',pos_bottom='20%',range_color=range_color),legend_opts=opts.LegendOpts(is_show=False),title_opts=opts.TitleOpts(title="1-各城市平均薪資",subtitle=subtitle,pos_left='center', pos_top='2%',title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),))

• 東部地區(qū)平均薪資要明顯高于中西部地區(qū)，沿海地區(qū)平均薪資更高。

3.2 崗位數(shù)量前20的城市

def get_chart():chart = (Bar().add_xaxis(x_data).add_yaxis('', y_data).set_global_opts( visualmap_opts=opts.VisualMapOpts(range_color=range_color),title_opts=opts.TitleOpts(title='2-崗位數(shù)量前20的城市',pos_top='2%',pos_left = 'center',title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),))

• 從招聘崗位上看上海、西安、成都、天津、重慶、武漢、北京、長(zhǎng)沙、杭州、鄭州等城市較其他城市更多。

3.3 崗位學(xué)歷占比

• 本科學(xué)歷要求占比最高，占比高達(dá)67%，其次是大專(zhuān)類(lèi)約19%，碩士類(lèi)約8%。

3.4 不同學(xué)歷平均薪資

• 不同學(xué)歷薪資方面來(lái)看，平均薪資和學(xué)歷關(guān)系比較明顯，博士平均薪資27K、碩士平均薪資16K、本科平均薪資13K。

3.5 崗位工作經(jīng)驗(yàn)占比

def get_chart():chart = (Pie().add('',datas,radius=['40%', '70%'],).set_global_opts(title_opts=opts.TitleOpts(title="5-崗位工作經(jīng)驗(yàn)占比",pos_top='2%',pos_left = 'center',title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),visualmap_opts=opts.VisualMapOpts(is_show=False,range_color=range_color),))

• 3-5年工作經(jīng)驗(yàn)需求數(shù)量最多，占比約30%，其次是1-3年占比約25%，不限工作經(jīng)驗(yàn)的崗位數(shù)量約占24%，和1-3年占比相當(dāng)，5-10年工作經(jīng)驗(yàn)的崗位也達(dá)到了15%。

3.6 不同工作經(jīng)驗(yàn)平均薪資

• 不同工作經(jīng)驗(yàn)平均薪資來(lái)看，工作經(jīng)驗(yàn)和平均薪資基本呈正相關(guān)的關(guān)系，10年工作經(jīng)驗(yàn)平均薪資30K，5-10年工作經(jīng)驗(yàn)19K，3-5年工作經(jīng)驗(yàn)13K。

3.7 不同行業(yè)平均薪資

• 從招聘行業(yè)薪資上看：汽車(chē)后市場(chǎng)、專(zhuān)用設(shè)備制造、新聞/出版、在線(xiàn)醫(yī)療、建材、人力資源服務(wù)、基金、船舶/航空/航天/火車(chē)制造、裝飾裝修、橡膠和塑料制品等行業(yè)的平均薪資相對(duì)較高。

3.8 不同企業(yè)類(lèi)型數(shù)量

3.9 公司規(guī)模占比

3.10 崗位詞云

def get_chart():chart = (WordCloud().add('',words,word_size_range=[20,50]).set_global_opts(title_opts=opts.TitleOpts(title='10-崗位詞云',pos_top='2%', pos_left="center",title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),visualmap_opts=opts.VisualMapOpts(is_show=False,range_color=range_color)))

🏳??🌈 4. 可視化項(xiàng)目源碼+數(shù)據(jù)

點(diǎn)擊跳轉(zhuǎn)：【全部可視化項(xiàng)目源碼+數(shù)據(jù)】

---

以上就是本期為大家整理的全部?jī)?nèi)容了，趕快練習(xí)起來(lái)吧，原創(chuàng)不易，喜歡的朋友可以點(diǎn)贊、收藏也可以分享（注明出處）讓更多人知道。