嗨喽! 大家好，我是“流水不争先，争得滔滔不绝”的翀，18双非本科生一枚，正在努力！欢迎大家来交流学习，一起学习数据分析，希望我们一起好好学习，天天向上，目前是小社畜一枚~~
前言
完整数据包括一些简单的分析,做得很简单,因为累了要睡了
详细文档与数据下载超链接
import pandas as pd
import matplotlib.pyplot as plt
import jieba
from collections import Counter
import pandas as pd
from wordcloud import WordCloudimport warnings
warnings.filterwarnings("ignore")
data =pd.read_excel('./boss网站招聘岗位信息.xlsx',sheet_name='Sheet1')
1 数据探索
data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2913 entries, 0 to 2912
Data columns (total 9 columns):# Column Non-Null Count Dtype
--- ------ -------------- ----- 0 标题 2913 non-null object1 地区 2913 non-null object2 公司名 2913 non-null object3 公司领域 2913 non-null object4 薪资 2913 non-null object5 经验 2913 non-null object6 规模 2913 non-null object7 福利 2531 non-null object8 详情页 2913 non-null object
dtypes: object(9)
memory usage: 204.9+ KB
columns = data.columns
for i in columns:print('---------------------------'+i+'------------------------------')print(display(pd.DataFrame(data[i].value_counts())))
---------------------------标题------------------------------
| 标题 | |
|---|---|
| 数据分析师 | 162 |
| 大数据开发 | 156 |
| 大数据开发工程师 | 118 |
| Python | 117 |
| 爬虫工程师 | 106 |
| ... | ... |
| Java开发工程师 | 1 |
| 系统运维 | 1 |
| 人工智能讲师（四川科技） | 1 |
| 【2022校招】数据分析 | 1 |
| AI 算子测试开发 | 1 |
913 rows × 1 columns
None
---------------------------地区------------------------------
| 地区 | |
|---|---|
| 深圳·南山区·科技园 | 58 |
| 南京·江宁区·秣陵 | 48 |
| 北京·海淀区·西北旺 | 40 |
| 北京 | 39 |
| 北京·朝阳区·望京 | 37 |
| ... | ... |
| 深圳·南山区·南山中心 | 1 |
| 武汉·洪山区·街道口 | 1 |
| 无锡·梁溪区·上马墩 | 1 |
| 抚州·金溪县·秀谷中大道 | 1 |
| 杭州·滨江区·星光大道 | 1 |
1209 rows × 1 columns
None
---------------------------公司名------------------------------
| 公司名 | |
|---|---|
| 中软国际 | 151 |
| 法本 | 67 |
| 博彦科技 | 53 |
| 软通动力信息技术集团 | 37 |
| 神州信息 | 18 |
| ... | ... |
| 吉灵科技 | 1 |
| 河南日盛 | 1 |
| 深度智耀 | 1 |
| 北京千喜鹤公司 | 1 |
| 无锡出类 | 1 |
1936 rows × 1 columns
None
---------------------------公司领域------------------------------
| 公司领域 | |
|---|---|
| 计算机软件 | 893 |
| 互联网 | 499 |
| 移动互联网 | 186 |
| 数据服务 | 154 |
| 电子商务 | 120 |
| ... | ... |
| 婚庆/摄影 | 1 |
| 装修装饰 | 1 |
| 日化 | 1 |
| 制药 | 1 |
| 地产经纪/中介 | 1 |
82 rows × 1 columns
None
---------------------------薪资------------------------------
| 薪资 | |
|---|---|
| 10-15K | 147 |
| 8-13K | 72 |
| 5-10K | 71 |
| 4-6K | 57 |
| 15-30K | 53 |
| ... | ... |
| 22-44K | 1 |
| 7-11K·13薪 | 1 |
| 400-600元/天 | 1 |
| 15-18K·13薪 | 1 |
| 70-80K | 1 |
483 rows × 1 columns
None
---------------------------经验------------------------------
| 经验 | |
|---|---|
| 1-3年大专 | 365 |
| 经验不限大专 | 310 |
| 3-5年大专 | 277 |
| 5-10年本科 | 265 |
| 1-3年本科 | 220 |
| ... | ... |
| 7天/周1个月本科 | 1 |
| 4天/周2个月学历不限 | 1 |
| 应届生硕士 | 1 |
| 5-10年中专/中技 | 1 |
| 3天/周6个月学历不限 | 1 |
111 rows × 1 columns
None
---------------------------规模------------------------------
| 规模 | |
|---|---|
| 10000人以上 | 743 |
| 20-99人 | 621 |
| 100-499人 | 573 |
| 1000-9999人 | 491 |
| 0-20人 | 315 |
| 500-999人 | 170 |
None
---------------------------福利------------------------------
| 福利 | |
|---|---|
| 五险一金 | 25 |
| 员工旅游，免费班车，五险一金，带薪年假，年终奖，餐补，节日福利，加班补助，定期体检，零食下午茶 | 13 |
| 带薪年假，员工旅游，节日福利，零食下午茶，加班补助，免费班车，定期体检，五险一金，年终奖，餐补 | 13 |
| 五险一金，加班补助，员工旅游，年终奖，免费班车，定期体检，餐补，节日福利，带薪年假，零食下午茶 | 13 |
| 餐补，员工旅游，零食下午茶，五险一金，年终奖，定期体检，带薪年假，免费班车，节日福利，加班补助 | 13 |
| ... | ... |
| 带薪年假，零食下午茶，通讯补贴，公司餐厅，年终奖，六险一金，定期体检，餐补，免费班车，节日福利，股票期权，交通补助 | 1 |
| 员工旅游，加班福利，带薪年假，节日福利，定期体检，五险一金，餐补，入职五险一金 | 1 |
| 定期体检，股票期权，带薪年假，五险一金，加班补助，交通补助，年终奖，餐补，节日福利 | 1 |
| 团建基金，员工旅游，带薪年假，五险一金，年终奖，全勤奖，爱心点心，节日福利，零食下午茶，项目奖金 | 1 |
| 补充医疗保险，内部竞聘，节日福利，带薪年假，员工旅游，餐补，加班补助，零食下午茶，免费班车 | 1 |
2152 rows × 1 columns
None
---------------------------详情页------------------------------
| 详情页 | |
|---|---|
| https://www.zhipin.com/job_detail/4c25812b39e3b0321nx53925EFdW.html | 13 |
| https://www.zhipin.com/job_detail/b53e88d4252d99b11nxy2Nm4FVJW.html | 13 |
| https://www.zhipin.com/job_detail/67288b9757b2ef7303150928GFI~.html | 13 |
| https://www.zhipin.com/job_detail/bfc8af865c7e41001nB82dy5EVBT.html | 13 |
| https://www.zhipin.com/job_detail/6dd6a0d1e6234f2b1nx-2NS9FFBR.html | 13 |
| ... | ... |
| https://www.zhipin.com/job_detail/344ea19ce102f33e1nF93N-_F1JR.html | 1 |
| https://www.zhipin.com/job_detail/2778e16c9b3f31d01nJ53NS_GVRR.html | 1 |
| https://www.zhipin.com/job_detail/80ccca15466fca951nF-3Ny_FVpS.html | 1 |
| https://www.zhipin.com/job_detail/c484ae92e5af62ad1n142Ny_ElFQ.html | 1 |
| https://www.zhipin.com/job_detail/0b2e0a2d249a171d1nJ-2dq4FlpS.html | 1 |
2595 rows × 1 columns
None
2 数据分析
guimo = pd.DataFrame(data['规模'].value_counts().reset_index())
guimo = guimo.rename(columns={'index':'规模','规模':'人数'})
plt.rcParams["font.family"] = 'Arial Unicode MS'
plt.bar(guimo['规模'], guimo['人数'])
plt.xlabel('规模')
plt.ylabel('人数')
x=np.arange(6) #课程品类数量已知为14，也可以用len(ppv3.index)
#设置y轴的数值，需将numbers列的数据先转化为数列，再转化为矩阵格式
y=np.array(list(guimo['人数']))
for a,b in zip(x,y):plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=10)
plt.title('公司规模人数的直方图分布')
Text(0.5, 1.0, '公司规模人数的直方图分布')
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aoOz66NN-1641306756600)(output_7_1.png)]
- 2分析数据分析的学历要求
data['学历'] = '天天开心'
xueli = ['大专以下','大专','本科','硕士','博士','学历不限']
c = Counter()
for i in range(len(data)):for j in xueli:if j in data['经验'][i]:c[j]+=1
xueli_data = pd.DataFrame([])
for (k,v) in c.most_common(5):# 输出词频最高的前500个词xueli_data = xueli_data.append(pd.DataFrame({"学历":[k], "数量":[v]}), ignore_index=True)
plt.rcParams["font.family"] = 'Arial Unicode MS'
plt.bar(xueli_data['学历'], xueli_data['数量'])
plt.xlabel('学历')
plt.ylabel('数量')
x=np.arange(5) #课程品类数量已知为14，也可以用len(ppv3.index)
#设置y轴的数值，需将numbers列的数据先转化为数列，再转化为矩阵格式
y=np.array(list(xueli_data['数量']))
for a,b in zip(x,y):plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=10)
plt.title('数据分析学历要求的直方图分布')
Text(0.5, 1.0, '数据分析学历要求的直方图分布')
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oZ8R2oxG-1641306756602)(output_9_1.png)]
data['city'] = '天天开心'
for i in range(len(data)):data['city'][i] = data['地区'][i].split('·')[0]
city = pd.DataFrame(data['city'].value_counts().reset_index())
city = city.rename(columns={'index':'city','city':'数量'})[:10]
plt.rcParams["font.family"] = 'Arial Unicode MS'
plt.bar(city['city'], city['数量'])
plt.xlabel('city')
plt.ylabel('数量')
x=np.arange(10) #课程品类数量已知为14，也可以用len(ppv3.index)
#设置y轴的数值，需将numbers列的数据先转化为数列，再转化为矩阵格式
y=np.array(list(city['数量']))
for a,b in zip(x,y):plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=12)
plt.title('数据分析公司城市的直方图分布')
Text(0.5, 1.0, '数据分析公司城市的直方图分布')
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-f0IdsWN7-1641306756604)(output_10_1.png)]
- 4 词云图
def cal_word_freq(texts):words = []for text in texts:words.extend(list(jieba.cut(text)))return pd.Series(words).value_counts()
data['福利']=data['福利'].astype(str)
qieci = pd.DataFrame(cal_word_freq(data['福利'].to_list()).reset_index())
qieci = qieci.rename(columns={'index':'key_word','0':'词频'})[:50]
bimg = imread('heart.jpeg')
wordcloud = WordCloud(background_color="white", mask=bimg, font_path='simhei.ttf')
wordcloud = wordcloud.fit_words(words_stat.head(4000).itertuples(index=False))
bimgColors = ImageColorGenerator(bimg)
plt.axis("off")
plt.imshow(wordcloud.recolor(color_func=bimgColors))
plt.show()
qieci.to_excel('./词云.xlsx',index=False)
qieci
| key_word | 0 | |
|---|---|---|
| 0 | ， | 19213 |
| 1 | 五险 | 2394 |
| 2 | 一金 | 2374 |
| 3 | 带薪 | 2159 |
| 4 | 年 | 2155 |
| 5 | 假 | 2154 |
| 6 | 福利 | 2134 |
| 7 | 节日 | 2091 |
| 8 | 年终奖 | 1995 |
| 9 | 补助 | 1971 |
| 10 | 体检 | 1788 |
| 11 | 定期 | 1782 |
| 12 | 员工 | 1546 |
| 13 | 旅游 | 1533 |
| 14 | 零食 | 1286 |
| 15 | 下午茶 | 1283 |
| 16 | 餐补 | 1259 |
| 17 | 加班 | 1106 |
| 18 | 补充 | 947 |
| 19 | 医疗保险 | 942 |
| 20 | 交通 | 877 |
| 21 | 补贴 | 770 |
| 22 | 免费 | 745 |
| 23 | 股票 | 725 |
| 24 | 期权 | 725 |
| 25 | 通讯 | 722 |
| 26 | 班车 | 671 |
| 27 | 全勤奖 | 662 |
| 28 | nan | 382 |
| 29 | 包吃 | 335 |
| 30 | 住房补贴 | 325 |
| 31 | 企业 | 78 |
| 32 | 团建 | 70 |
| 33 | 文化 | 68 |
| 34 | 活动 | 46 |
| 35 | 健身房 | 42 |
| 36 | 生日 | 33 |
| 37 | 奖金 | 27 |
| 38 | 绩效奖金 | 22 |
| 39 | 双休 | 21 |
| 40 | 晚餐 | 20 |
| 41 | 培训 | 20 |
| 42 | 六险 | 20 |
| 43 | 项目 | 19 |
| 44 | 健身 | 19 |
| 45 | 朝九晚 | 18 |
| 46 | 包住 | 18 |
| 47 | 六 | 18 |
| 48 | 提供 | 18 |
| 49 | 住宿 | 17 |
city = pd.DataFrame(data['公司领域'].value_counts().reset_index())
city = city.rename(columns={'index':'公司领域','公司领域':'数量'})[:15]
plt.figure(figsize=(16, 6.5))
plt.rcParams["font.family"] = 'Arial Unicode MS'
plt.bar(city['公司领域'], city['数量'])
plt.xlabel('公司领域')
plt.ylabel('数量')
x=np.arange(15) #课程品类数量已知为14，也可以用len(ppv3.index)
#设置y轴的数值，需将numbers列的数据先转化为数列，再转化为矩阵格式
y=np.array(list(city['数量']))
for a,b in zip(x,y):plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=12)
plt.title('数据分析公司领域的直方图分布')
Text(0.5, 1.0, '数据分析公司领域的直方图分布')
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0TLyTE3J-1641306756606)(output_15_1.png)]
总结
专栏学习
01 【数据分析实战项目】: 无人智能售货机商务分析、 线上课程智能推荐、 学术前沿趋势分析
02 【算法--数据挖掘】: 机器学习----吃瓜教程!、 集成学习、 深度学习 学术前沿趋势分析
03 【天池数据挖掘竞赛】: 心电信号多分类分类、 新闻推荐入门赛系统项目
04 【Python数据分析】: Numpy 数值计算基础、 Matplotlib 数据可视化基础、 Pandas 统计分析基础、 Pandas 进行数据预处理、 scikit-learn 构建模型
往期精彩内容
01 【常见的数据分析师的面试问题】: 基础知识考查、概率论与数理统计、数据挖掘、常见模型介绍、数据分析师工作必备技能等等
02 【基于条件随机场模型的中文分词】: 中文分析、python代码实现
03 【 Github开源项目】: Github开源项目 数分/数挖学习路线
欢迎关注我，一起交流学习探索数据分析的世界，洞察数据！努力接受社会毒打~~
@翀- 我的博客主页
