python拉勾数据职位分析

　　简介：试着，作了一个拉勾网数据分析师职位的数据分析。
其实，虽然很想作数据分析师，可是是跨行，内心至关忐忑，作这个分析就至关于加深本身对数据分析这个行业的了解了。

思路

　　大体思路

起始 数据来源

　　原本是想本身写个爬虫的，但是学了很久，仍是不能融会贯通，总会出一些bug，只能继续学习，争取早日修成爬神功。又想着，总不能还没开始，就结束了此次实验。最后无心中发现了一个爬虫工具--八爪鱼、、只须要点点点（其实，当时有种挫败感）。不过，总算数据总算有了。

数据的采集

　　数据的具体采集过程以下：

下载安装八爪鱼采集器。
建立任务，选择列表及详情。
输入任务名称、备注。
输入采集网址
设置详情页连接，也就是点进具体的详情页。
设置好翻页。
点击须要采集的数据信息。
开始采集。
数据导出为excel。
过程 数据的清洗与处理

　　这里试着用了两种工具，Excel + Python，也比较了一下两者的优势。与前人所述基本一致，纸上得来终觉浅啊。

　　想说一下字段的命名，若是用了Python进行处理的话，最好仍是把字段命名为英文，或者说字母。能够简化后期处理，会方便不少。

　　固然，你若是全用Excel是用中文命名，也是没有问题的。

　　字段

Excel的处理过程 预防万一

　　所谓预防万一，就是将Excel另存一份源数据，以避免后期发生不可预知错误。

清洗与处理 命名字段

处理salary列

　　新建工做表，将salary字段复制过来。

清除全部格式。
数据-分列-固定符号-"-"
查找替换 k。这里说明下，清除格式后，不管查找大写K仍是小写k，都可。
由于抓取的数据是一组区间值，没法直接使用，所以取薪资的中间值也就是平均值。使用函数 'MEDIAN' ，它会返回一组数的中值，或者使用 'AVERAGE' 也可。获得的值以下：

再对这组值进行数据分析，数据-数据分析-描述统计，获得最大值，最小值，全距，再根据公式计算组数，组距，进行数据分组，再根据 ' FREQUENCY '函数计算每组频率。

　　接下来，就能够绘制图表了。

　　ps：或者直接在第5步，采用数据分析工具中的直方图，进行分析。

处理experience、city、education、property、scale列

　　新建工做表，复制。

清除全部格式。
使用函数 'SUBSTITUTE' 替换全部 "/"，或者直接查找替换。
数据透视表统计，绘图。

处理field列

　　新建工做表，复制。

清除全部格式
查找替换"、",","为半角“，”。
分列。
　　这样，基本就处理完了。

数据展现 行业及职位数量

　　从图中能够看出，17个行业中，移动互联网对数据人才的需求量是最大的，其次是金融和电子商务，而生物服务、文化娱乐、旅游、分类信息、硬件等的需求量最少。我认为，这从一个侧面反映了移动互联网数据量的巨大，以及对人才的渴求。

城市与职位

　　首先看一下，职位主要分布的区域：

　　从图中能够看到，招聘公司主要位于南方，东三省居然没有。我认为，这个时代，对数据的重视程度从某种程度上说明了发展的质量，就这个样本数据来讲，从某种程度上反映了东三省的发展速度较慢，不如南方。

　　再看一下，城市与职位：

　　这里主要截取了前10个城市，毫无心外，北上广赫然在列，杭州也不少，排在广州前面。看来，咱们这些想作数据分析师的人，都没法逃离北上广啊。嗯，你也能够去杭州，据在那儿生活了七八年的同窗来讲，他不想走了。

行业、城市与薪资

　　前面数据处理获得了每一个职位的平均薪资，这里进一步处理获得了每一个行业在每一个城市的平均薪资。下图是招聘最多的几个行业在每一个城市的平均薪资。

　　从图中能够知道，总体上相对来讲，广州在这些行业中属于较低的。北京、上海差距不是太大。

招聘公司融资阶段

招聘不一样职称的数量

　　这里借助python进行了统计：

python import pandas as pd data = pd.DataFrame(pd.read_csv(r'C:\Users\sunshine\Desktop\2017.8.20.csv',encoding = 'gbk')) data.columns positionName = [] for i in range(len(data.position)): if "实习" in data.position[i]: positionName.append("实习") elif "助理" in data.position[i]: positionName.append("助理") elif "专员" in data.position[i]: positionName.append("专员") elif "主管" in data.position[i]: positionName.append("主管") elif "经理" in data.position[i]: positionName.append("经理") elif "工程师" in data.position[i]: positionName.append("工程师") elif "总监" in data.position[i]: positionName.append("总监") elif "科学家" in data.position[i]: positionName.append("科学家") elif "架构" in data.position[i]: positionName.append("架构师") else: positionName.append("其余") data["positionName1"] = positionName data["positionName1"].value_counts()

　　这里没有用matplotlib画，借用了echarts。

招聘公司对我的能力的要求 招聘公司对应聘者的学历要求

　　从图中咱们很明显能够获得，公司对应聘者的学历要求，本科以上占了绝大部分，这说明，90%以上的公司对应聘者的学历要求很高，我认为，这可能有如下缘由：

分析行业对应聘者的知识水平要求仍是很高的，由于数据分析师不但要涉及不少高等数学，统计学，几率论，线性代数等数学知识，还要涉及不少行业知识。
这个行业须要应对不少突飞猛进的信息，各类东西更新迭代很是快，所以对应聘者的自学能力提出了很高的要求。
招聘公司对应聘者经验的要求

　　大部分公司招的都是1-5年的，1年之下和经验不限的不多，因此说，实习经验很重要，没有实习经历，太难入行了。我泪奔。公司须要的都是老鸟啊。

招聘公司对应聘者工具掌握的要求

　　这里使用了python进行了正则匹配，和词云生成。

python import re import numpy as np import pandas as pd import matplotlib.pyplot as plt import jieba as jb from wordcloud import WordCloud #转换数据格式 word_str = ''.join(data['deion']) #对文本进行分词 word_split = jb.cut(word_str) #使用|分割结果并转换格式 word_split1 = "| ".join(word_split) #设置要匹配的关键词 pattern=re.compile('sql|mysql|posgresql|python|excel|spss|matlab|ppt|powerpoint|sas|[\br\b]|hadoop|spark|hive|ga|java|perl|tableau|eviews|presto') #匹配全部文本字符 word_w=pattern.findall(word_split1) word_s = str(word_w) my_wordcloud = WordCloud().generate(word_s) plt.imshow(my_wordcloud) plt.axis("off") plt.show()

　　有点丑...

　　所以，换了个工具.....

　　好看点了，不管哪张图都说明，除了excel，若是，你懂R或者python，再加上SQL，和spss，喔，你是个香饽饽。

招聘公司对应聘者技能的要求

　　能够看到，公司对应聘者的要求大部分在数据分析能力和产品、业务等方面。看来，数据分析师最重要的仍是懂业务，这也是我想发展的方向。至于数据挖掘方向，对数学功底要求过高了，毕竟我不是科班出身。可是，我以为平时在实验室作的实验，其实和业务是一个道理。只不过，是将实验换成了产品。

总结

　　对于数据分析岗，招聘公司主要位于南方，可是以北京公司最多。不须要融资，B轮和上市公司对于该岗位的需求较大。而且主要是移动互联网行业的公司。企业对于应聘者的工具掌握可能是Excel，Spss，Python，R，SQl等，若是你全会，那基本就是个香饽饽。在技能方面，企业比较看重数据分析，以及对业务、运营的理解。而对于应聘者而言，本科生学历彻底足够了。就薪资而言，广州多有行业较其余城市偏低，北京和上海在同等工做经历下，薪资要领先于其余城市。

　　网易云课堂专栏课程：大数据分析必备利器《R语言数据分析必知必会》http://study.163.com/course/c...