电信专线可以做网站吗,上海响应式网站建设企业,sem培训班,wordpress云标签文章目录 #x1f3f3;️#x1f308; 1. 导入模块#x1f3f3;️#x1f308; 2. Pandas数据处理2.1 读取数据2.2 数据信息2.3 数据去重2.4 薪资处理 #x1f3f3;️#x1f308; 3. Pyecharts数据可视化3.1 各城市平均薪资3.2 岗位数量前20的城市3.3 岗位学历占比… 文章目录 ️ 1. 导入模块️ 2. Pandas数据处理2.1 读取数据2.2 数据信息2.3 数据去重2.4 薪资处理 ️ 3. Pyecharts数据可视化3.1 各城市平均薪资3.2 岗位数量前20的城市3.3 岗位学历占比3.4 不同学历平均薪资3.5 岗位工作经验占比3.6 不同工作经验平均薪资3.7 不同行业平均薪资3.8 不同企业类型数量3.9 公司规模占比3.10 岗位词云 ️ 4. 可视化项目源码数据 大家好我是
【Python当打之年(点击跳转)】 本期我们利用Python分析「智联招聘大数据岗位数据集」看看各招聘城市平均薪资分布、招聘岗位数量分布、岗位学历要求、岗位经验要求、不同学历不同工作经验平均薪资分布等等希望对大家有所帮助如有疑问或者需要改进的地方可以联系小编。
涉及到的库
Pandas— 数据处理Pyecharts— 数据可视化
️ 1. 导入模块
import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts
import warnings
warnings.filterwarnings(ignore)️ 2. Pandas数据处理
2.1 读取数据
df pd.read_excel(datas.xlsx)2.2 数据信息
df.info()2.3 数据去重
df df.drop_duplicates()2.4 薪资处理
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 万 in salary_t:low_salary_1 float(low_salary) * 10000high_salary_1 float(high_salary.replace(万,)) * 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数据可视化
3.1 各城市平均薪资
def get_chart():chart (Map(i).add(,data_pairdatas,maptypechina-cities,is_map_symbol_showFalse,).set_global_opts(visualmap_optsopts.VisualMapOpts(pos_left 3%,pos_bottom20%,range_colorrange_color),legend_optsopts.LegendOpts(is_showFalse),title_optsopts.TitleOpts(title1-各城市平均薪资,subtitlesubtitle,pos_leftcenter, pos_top2%,title_textstyle_optsopts.TextStyleOpts(color#fff200,font_size20)),))东部地区平均薪资要明显高于中西部地区沿海地区平均薪资更高。
3.2 岗位数量前20的城市
def get_chart():chart (Bar().add_xaxis(x_data).add_yaxis(, y_data).set_global_opts( visualmap_optsopts.VisualMapOpts(range_colorrange_color),title_optsopts.TitleOpts(title2-岗位数量前20的城市,pos_top2%,pos_left center,title_textstyle_optsopts.TextStyleOpts(color#fff200,font_size20)),))从招聘岗位上看上海、西安、成都、天津、重庆、武汉、北京、长沙、杭州、郑州等城市较其他城市更多。
3.3 岗位学历占比 本科学历要求占比最高占比高达67%其次是大专类约19%硕士类约8%。
3.4 不同学历平均薪资 不同学历薪资方面来看平均薪资和学历关系比较明显博士平均薪资27K、硕士平均薪资16K、本科平均薪资13K。
3.5 岗位工作经验占比
def get_chart():chart (Pie().add(,datas,radius[40%, 70%],).set_global_opts(title_optsopts.TitleOpts(title5-岗位工作经验占比,pos_top2%,pos_left center,title_textstyle_optsopts.TextStyleOpts(color#fff200,font_size20)),visualmap_optsopts.VisualMapOpts(is_showFalse,range_colorrange_color),))3-5年工作经验需求数量最多占比约30%其次是1-3年占比约25%不限工作经验的岗位数量约占24%和1-3年占比相当5-10年工作经验的岗位也达到了15%。
3.6 不同工作经验平均薪资 不同工作经验平均薪资来看工作经验和平均薪资基本呈正相关的关系10年工作经验平均薪资30K5-10年工作经验19K3-5年工作经验13K。
3.7 不同行业平均薪资 从招聘行业薪资上看汽车后市场、专用设备制造、新闻/出版、在线医疗、建材、人力资源服务、基金、船舶/航空/航天/火车制造、装饰装修、橡胶和塑料制品等行业的平均薪资相对较高。
3.8 不同企业类型数量 3.9 公司规模占比 3.10 岗位词云
def get_chart():chart (WordCloud().add(,words,word_size_range[20,50]).set_global_opts(title_optsopts.TitleOpts(title10-岗位词云,pos_top2%, pos_leftcenter,title_textstyle_optsopts.TextStyleOpts(color#fff200,font_size20)),visualmap_optsopts.VisualMapOpts(is_showFalse,range_colorrange_color)))️ 4. 可视化项目源码数据 点击跳转【全部可视化项目源码数据】 以上就是本期为大家整理的全部内容了赶快练习起来吧原创不易喜欢的朋友可以点赞、收藏也可以分享注明出处让更多人知道。
