随着各行各业都在进行数字化转型，数据方面的人才也成为了各家企业招聘的重点对象，不同数据类型的岗位提供的薪资待遇又是如何的？ 哪个城市最需要数据方面的人才、未来的发展前景与钱途又是怎么样的？
今天我抓取了某互联网招聘平台上面的招聘信息，来为大家分析分析。 我们大致会讲
-
数据抓取的流程与步骤
-
数据清洗的流程与步骤
-
可视化的结果与分析
干货推荐
数据抓取的步骤
我们用当中的模块来发送与接收请求，然后用模块也解析返回的数据，代码如下Python``requests``BeautifulSoup
@retry(stop=stop_after_attempt(7))
def make_requests(url):
response = requests.get(url=url, headers=headers)
response_1 = BeautifulSoup(response.text, "lxml")
return response_1
解析数据的代码如下
def process_data(index, job_title, response_text):
response_2 = response_text.select("div.list__YibNq")
for resp in response_2[0]:
if resp.select("div.p-top__1F7CL a"):
job_titles = resp.select("div.p-top__1F7CL a")[0].get_text()
job_titles = ""
if resp.select("span.money__3Lkgq"):
payments = resp.select("span.money__3Lkgq")[0].get_text()
payments = ""
然后最后将收集到的数据导出到当中，代码如下excel
df = pd.DataFrame(
{"职位名称": job_titles_list, "薪资待遇": payments_list, "工作年限": work_years_list, "公司名称": company_name_list,
"所处行业": industry_list, "岗位简介": job_title_description_list})
path = "job_files/"
if not os.path.exists(path):
os.makedirs(path)
df.to_excel("./job_files/{}_{}.xlsx".format(job_title, index), index = False)
小编这次所抓取的岗位分别有“数据分析师”、“数据挖掘工程师”、“数据产品经理”、“大数据开发工程师”以及“数据运营助理”等等，接下来我们就针对所收集到的数据进行清洗与进一步的处理吧
数据的清洗与处理
我们用到的是模块，首先先导入所有收集到的数据Pandas
df_all = pd.DataFrame(columns=["职位名称", "薪资待遇", "工作年限", "公司名称", "所处行业", "岗位简介"])
for file in os.listdir("./job_files"):
df = pd.read_excel("./job_files/" + file)
df_all = df_all.append(df, ignore_index=True)
我们来看一下最终的数据集长什么样子
print(df_all.info())
output
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2238 entries, 0 to 2237
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 职位名称 2238 non-null object
1 薪资待遇 2238 non-null object
2 工作年限 2238 non-null object
3 公司名称 2238 non-null object
4 所处行业 2234 non-null object
5 岗位简介 2238 non-null object
- 删除重复项
数据集当中或许存在重复的内容，我们用方法来进行重复项的去除drop_duplicates()
df_all_1 = df_all.drop_duplicates()
output
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2207 entries, 0 to 2237
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 职位名称 2207 non-null object
1 薪资待遇 2207 non-null object
2 工作年限 2207 non-null object
3 公司名称 2207 non-null object
4 所处行业 2203 non-null object
5 岗位简介 2207 non-null object
- 删除缺失值
df_all_1 = df_all_1.dropna(axis = 0, how = "any")
output
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2203 entries, 0 to 2237
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 职位名称 2203 non-null object
1 薪资待遇 2203 non-null object
2 工作年限 2203 non-null object
3 公司名称 2203 non-null object
4 所处行业 2203 non-null object
5 岗位简介 2203 non-null object
- 对薪资数据的清洗
接下来为了方便对薪资数据进行统计分析，我们对此也需要进行相对应的处理
df_all_1["薪资待遇"] = df_all_1["薪资待遇"].str.replace("k", "000")
可视化分析结果
- 薪资的不同
我们先来看薪资上面的差距，根据不同的职位名称来看，例如我们来看“数据产品经理”这个岗位
df_all_1[df_all_1["职位名称"].str.contains("产品经理")]['薪资待遇'].value_counts().head(5)
output
较多的是集中在20K-40K这个范围当中，具体我们可以通过下面这个可视化的结果来看
我们可以发现的是整体的市场中“数据产品经理”这个岗位的整体待遇是相对更好一点的，其次便是“数据挖掘工程师”这个岗位，薪资一般也比较容易达到20K-40K之间的区间
- 哪个城市的需求最多
接下来我们来看一下哪些城市对数据方面的人才需求是最多的，
df_all_1["城市分布"] = df_all_1["职位名称"].apply(lambda x: x.split("[")[1].split("·")[0])
df_all_1["城市分布"].value_counts().head(10)
output
可以看到的是对于数据方面的人才需求最旺盛的仍然是北京，上海排在第二，与此同时呢，杭州在这方面的需求上面已经超过了广州，位列第四，同时在前十名当中成都、南京以及武汉与西安都纷纷上榜
- 哪个行业所需要的数据岗位最多呢？
接下来我们来看一下哪个行业所需要的数据方面的人才最多，
df_all_1["行业"] = df_all_1["所处行业"].apply(lambda x: x.split("｜")[0].split("/")[0])
df_all_1["行业"].value_counts().head(10)
output
从上面的结果中看到，除了“数据服务”行业之外，还有“内容咨询、短视频”领域、“软件服务”、“科技金融”、“电商平台”、“IT技术服务”等领域对于数据方面的人才都有着相当旺盛的需求
- 对于学历的要求是什么样的呢？
我们来看一下各家公司对于数据方面的人才，在学历上又有何种要求呢？
df_all_1["学历要求"] = df_all_1["工作年限"].apply(lambda x: x.split("/")[-1])
df_all_1["学历要求"].value_counts()
output
一般来说仅仅是“本科”的学历就可以了，当然还有少数的公司对于学历的要求是局限在硕士之上
- 岗位的简短介绍
各家公司为了吸引越来越多的人才前往加入公司，也打出了各色各样的标语，小编做了汇总，并且做成词云图，首先我们用模块对文本数据进行分词jieba
word_num = jieba.lcut(text, cut_all = False)
rule = re.compile(r"^[\u4e00-\u9fa5]+$")
word_num_selected = [word for word in word_num if word not in stop_words and
re.search(rule, word) and len(word) >= 2]
接着我们使用模块来进行词云图的绘制stylecloud
stylecloud.gen_stylecloud(text=" ".join(review_list), max_words=100, collocations=False,
font_path="KAITI.ttf", icon_name="fab fa-apple", size=653,
output_name="4.png")
output