使用Python分析处理数据并用pyecharts进行可视化

一、数据文件

包括各种岗位类别、城市、薪资水平、岗位要求等信息。
work_all.xlsx
过滤词表（只在p5.py绘制词云中用到）
remove_words.txt

二、使用pyecharts进行可视化

进行可视化参考的网站：
pyechart
各种图的示例：
pyecharts-gallery

封装函数进行：
1.数据的读取和处理（每个绘图中均会用到）
2.提取词频排行前100的词（只在p5.py绘制词云中用到）
publicFunction.py

import pandas as  pd
import re
import collections
import jieba

# 封装函数读取处理数据
def read_works():
    # 1.处理数据
    # 读取数据
    data = pd.read_excel('work_all.xlsx')
    # 为了不影响原数据，所以拷贝一份
    data_cy = data.copy()

    # 提取指定岗位的数据
    # 注意：岗位类别需要处理空字符问题，岗位类别后都有一个空格，要去除空格才能读出来
    # 去除空格
    A = data_cy['岗位类别'].str.strip()
    # 把去除空格后的数据更改到原数据中
    data_cy['岗位类别'] = A

    '''
    把属于数据运营、机器学习、数据科学、数据分析师、数据产品经理、商业数据分析的数据筛选出来，
    并把其'岗位类别'列中的值全部替换为'数据科学'。
    '''
    # 把属于这些类别的提取出来放到B中
    B = A.isin(['数据运营', '机器学习', '数据科学', '数据分析师', '数据产品经理', '商业数据分析'])
    # 把这些岗位的类别都替换为数据科学
    data_cy.loc[B, '岗位类别'] = '数据科学'

    # 返回处理好的数据
    return data_cy

# 提取词频排行前100的词，此函数只在p5中的词云绘制中用到
def word_count(string_data):
    # 文本预处理，去除各种标点符号，不然统计词频时会统计进去
    # 定义正则表达式匹配模式，其中的|代表或
    pattern = re.compile(u'\t|\n| |；|\.|。|：|：\.|-|:|\d|;|、|，|\)|\(|\?|"')
    # 将符合模式的字符去除，re.sub代表替换，把符合pattern的替换为空
    string_data = re.sub(pattern, '', string_data)

    # 文本分词
    seg_list_exact = jieba.cut(string_data, cut_all=False)  # 精确模式分词
    # object_list  = list(seg_list_exact) # list()函数可以把可迭代对象转为列表

    # 运用过滤词表优化掉常用词，比如“的”这些词，不然统计词频时会统计进去
    object_list = []

    # 读取过滤词表
    with open('./remove_words.txt', 'r', encoding="utf-8") as fp:
        remove_words = fp.read().split()

    # 循环读出每个分词
    for word in seg_list_exact:
        # 看每个分词是否在常用词表中或结果是否为空或\xa0不间断空白符，如果不是再追加
        if word not in remove_words and word != ' ' and word != '\xa0':
            object_list.append(word)  # 分词追加到列表

    # 进行词频统计，使用pyecharts生成词云
    # 词频统计
    word_counts = collections.Counter(object_list)  # 对分词做词频统计
    word_counts_top = word_counts.most_common(100)  # 获取前100最高频的词

    return word_counts_top

1.各岗位占比饼图

p1.py

import numpy as np
from pyecharts.charts import Pie
from pyecharts import options as opts

'''
1. 各岗位占比饼图
'''

# 1 读取数据
# 从publicFunction中导入read_works函数
from publicFunction import read_works
# 调用此函数，完成数据的读取和处理
data_cy = read_works()

# 2 统计不同岗位数量
# 按照岗位类别分组来统计，根据岗位id来计数
work_count = data_cy.groupby('岗位类别').count()['岗位id']
#print(work_count)

# 3 计算岗位占比
# 算出work_count/work_count.sum())*100算出百分比，np.round( ,2)保留小数点后两位
work_ratio = np.round((work_count/work_count.sum())*100,2)
# print(work_ratio)


# 去pyecharts网站找到饼图模板
# https://pyecharts.org/#/zh-cn/basic_charts?id=pie%ef%bc%9a%e9%a5%bc%e5%9b%be
# 要求的系列数据项，格式为 [(key1, value1), (key2, value2)]，所以要进行数据的组合

# 组合数据
#
# work_ratio.index.tolist()即岗位类别的名称
# print(work_ratio.index.tolist())
# *zip进行数据的组合压缩,再和占比放到一个列表中
work_name_ratio = [*zip(work_ratio.index.tolist(),work_ratio)]
# print(work_name_ratio)
# [('java', 5.94), ('python', 6.75), ('产品助理', 6.57), ('人事', 6.66), ...]


# 4 绘图
# 实例化对象
p1obj = Pie()
# 放入组合数据
# radius为饼图的半径，数组的第一项是内半径，第二项是外半径
p1obj.add('',work_name_ratio,radius=["40%", "75%"],)
# 去pyecharts全局配置项中查参数
# https://pyecharts.org/#/zh-cn/global_options?id=legendopts%ef%bc%9a%e5%9b%be%e4%be%8b%e9%85%8d%e7%bd%ae%e9%a1%b9
p1obj.set_global_opts(
    # 标题
    title_opts=opts.TitleOpts(title="各岗位占比"),
    # orient图例列表的布局朝向为竖着，离上方15%，离左边2%
    legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%")
)
# b代表给的数据中的key，c代表给的数据中value，c的后面加百分号
p1obj.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))

# 当这个程序有可能被导入时，写这个判断
# 直接用python程序调用当前这个脚本时，__name__为__main__，执行下面
# 当这个程序被导入时，__name__不为__main__，便不会执行
if __name__ == '__main__':
    #     # 生成页面
    p1obj.render('1.各岗位占比饼图.html')

生成网页
1.各岗位占比饼图.html

2.各岗位平均起薪柱状图

p2.py

import numpy as np
from pyecharts.charts import Bar
from pyecharts import options as opts


'''
2. 各岗位平均起薪柱状图
'''

# 1 读取数据
# 从publicFunction中导入read_works函数
from publicFunction import read_works
# 调用此函数，完成数据的读取和处理
data_cy = read_works()

# 2 计算各工作类别最低平均薪资
# 按照岗位类别分组来统计，根据起薪来计算平均值
work_salary = np.round(data_cy.groupby('岗位类别').mean()['起薪'])
# print(work_salary)


# 3. 绘图
# 去pyecharts-gallery网站找到模板示例
# https://gallery.pyecharts.org/#/Bar/bar_stack0
# 复制出来代码进行修改

# 实例化对象
p2obj = Bar()
# 将职位转化为列表形式作为x轴
p2obj.add_xaxis(work_salary.index.tolist())
# print(work_salary.index.tolist())

# 将最低平均薪资转化为列表形式作为y轴
p2obj.add_yaxis("各平均起薪", work_salary.tolist(),category_gap="50%")
# print(work_salary.tolist())
# 去pyecharts全局配置项中查参数
p2obj.set_global_opts(
    title_opts=opts.TitleOpts(title="不同岗位平均起薪"),
    # 让列的名字倾斜15度，负责有的名字太长，显示不出来
    xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15))
)

# 当这个程序有可能被导入时，写这个判断
# 直接用python程序调用当前这个脚本时，__name__为__main__，执行下面
# 当这个程序被导入时，__name__不为__main__，便不会执行
if __name__ == '__main__':
    # 生成页面
    p2obj.render('2.各岗位平均起薪柱状图.html')

生成网页
2.各岗位平均起薪柱状图.html

3.各城市招聘量柱状图及平均薪资折线图组合

p3.py

import pandas as  pd
import numpy as np
from pyecharts.charts import Bar,Line
from pyecharts import options as opts


'''
3.各城市招聘量柱状图及平均薪资折线图组合
'''

# 1 读取数据
# 从publicFunction中导入read_works函数
from publicFunction import read_works
# 调用此函数，完成数据的读取和处理
data_cy = read_works()
# 只拿出数据科学的岗位进行分析
data_cy = data_cy[data_cy['岗位类别'] == '数据科学'].copy()

# 2 统计城市招聘数据
# 按照城市分组来统计数量，根据岗位id来计数,进行降序排列
city_nums = data_cy.groupby('城市').count()['岗位id'].sort_values(ascending=False)
# print(city_nums)

# 要将城市对应的招聘量(用柱状图)和平均薪资(用折线图)放在一起展示

# 3 计算对应城市的平均薪资（按起薪资计算平均值）
# 按照城市分组来统计数量，根据起薪来计算平均值
data_city = np.round(data_cy.groupby('城市').mean()['起薪'])
# print(data_cy.groupby('城市').mean())

# 取招聘量前10个的城市的平均起薪
city_salary = data_city.loc[city_nums[:10].index.tolist()]
# print(city_salary)

# 4 绘图，要将城市对应的招聘量(用柱状图)和平均薪资(用折线图)放在一起展示
# 根据pyecharts-gallery中的示例来改
# https://gallery.pyecharts.org/#/Bar/multiple_y_axes
p3obj = (
    # 城市对应的招聘量的柱状图
    Bar()
    # 取招聘量前10的城市
    .add_xaxis(xaxis_data=city_nums[:10].index.tolist())
    .add_yaxis(
        series_name="招聘量",
        yaxis_data=city_nums[:10].tolist(),
        label_opts=opts.LabelOpts(is_show=False),
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="薪资",
            type_="value",
            # 薪资y坐标最低10000，最高20000
            min_=10000,
            max_=20000,
            # interval=500,
            axislabel_opts=opts.LabelOpts(formatter="{value}"),
        )
    )
    # 去pyecharts全局配置项中查参数
    .set_global_opts(
        title_opts=opts.TitleOpts(title="招聘与薪资排行榜"),
        tooltip_opts=opts.TooltipOpts(
            is_show=True, trigger="axis", axis_pointer_type="cross"
        ),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
        ),
        # 招聘数量y坐标最低0，最高1500
        yaxis_opts=opts.AxisOpts(
            name="数量",
            type_="value",
            min_=0,
            max_=1500,
            # interval=50,
            axislabel_opts=opts.LabelOpts(formatter="{value}"),
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
    )
)
# 画出平均薪资的折线
line = (
    Line()
    .add_xaxis(xaxis_data=city_nums[:10].index.tolist())
    .add_yaxis(
        series_name="平均薪资",
        yaxis_index=1,
        y_axis=city_salary,
        label_opts=opts.LabelOpts(is_show=False),
    )
)

# 当这个程序有可能被导入时，写这个判断
# 直接用python程序调用当前这个脚本时，__name__为__main__，执行下面
# 当这个程序被导入时，__name__不为__main__，便不会执行
if __name__ == '__main__':
    # 生成页面，表示柱状图里面套着线图
    p3obj.overlap(line).render("3.各城市招聘量柱状图及平均薪资折线图组合.html")

生成网页
3.各城市招聘量柱状图及平均薪资折线图组合.html

4.各城市岗位薪资分布热力图

p4.py

from pyecharts.charts import HeatMap
from pyecharts import options as opts


'''
4. 各城市岗位薪资分布热力图
'''

# 1 读取数据
# 从publicFunction中导入read_works函数
from publicFunction import read_works
# 调用此函数，完成数据的读取和处理
data_cy = read_works()

# 2 统计数据
# 生成城市为行索引，工作类别为列索引，薪资为表格值的透视表。
city_data = data_cy.pivot_table(index=['城市'], columns=['岗位类别'], aggfunc={'最高薪资': 'mean'})
# 按‘python’列对透视表进行降序排列，ascending 升序
city_data.sort_values([('最高薪资', 'python')], ascending=False, inplace=True, na_position='last')
# print(city_data)
# 取前20个最高薪资
top_city = city_data[:20]['最高薪资']
# print(top_city)

# 做成数据透视表进行绘图
values = [[item_col, item_index, round(top_city.iloc[item_index, item_col], 2)] for item_col in range(len(top_city.columns)) for item_index in range(len(top_city.index))]
# print(top_city.index.tolist())#行名
# print(top_city.columns.tolist())#列名
# print(values)#[行坐标，列坐标，薪资]

# 3 绘图
# InitOpts(width="1200px", height="800px")设置图的宽高
p4obj = HeatMap(init_opts=opts.InitOpts(width="1200px", height="800px"))
p4obj.add_xaxis(top_city.columns.tolist())
p4obj.add_yaxis("平均最高薪资", top_city.index.tolist(), values,label_opts=opts.LabelOpts(is_show=True, position="inside"),)
p4obj.set_global_opts(
    title_opts=opts.TitleOpts(title="各城市岗位薪资分布热力图"),
    visualmap_opts=opts.VisualMapOpts(min_=5000, max_=50000),
    xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15))
)

# 当这个程序有可能被导入时，写这个判断
# 直接用python程序调用当前这个脚本时，__name__为__main__，执行下面
# 当这个程序被导入时，__name__不为__main__，便不会执行
if __name__ == '__main__':
    p4obj.render("4.各城市岗位薪资分布热力图.html")

生成网页
4.各城市岗位薪资分布热力图.html

5.数据科学工具要求排行柱状图和岗位技能要求词云

p5.py

from pyecharts.charts import Bar,WordCloud,Page
from pyecharts import options as opts

import re
import collections
import jieba

'''
5. 数据科学工具要求排行柱状图和岗位技能要求词云
'''

# 1 读取数据
# 从publicFunction中导入read_works函数和word_count函数
from publicFunction import read_works,word_count
# 调用此函数，完成数据的读取和处理
data_cy = read_works()
# 只拿出数据科学的岗位进行分析
data_cy = data_cy[data_cy['岗位类别'] == '数据科学'].copy()

# 2 拼接所有岗位描述
string_data = ''
for i in data_cy['岗位描述']:
    string_data += str(i)

# 从大字符串中取出所有英文单词
list1 = re.findall('[a-zA-Z]+', string_data, flags=re.S)
# 把所有取出的英文单词转换成大写
list2 = [item1.upper() for item1 in list1]
# print(list2)


word_counts = collections.Counter(list2)  # 对分词做词频统计
word_counts_top = word_counts.most_common(10)  # 获取前10最高频的词


# 绘出数据分析所需工具排行最高的柱状图
p5obj1 = Bar()
p5obj1.add_xaxis([i[0] for i in word_counts_top])
p5obj1.add_yaxis("数据分析工具", [i[1] for i in word_counts_top], color='#CD1076')
p5obj1.set_global_opts(
    title_opts=opts.TitleOpts(title="数据分析工具排行"),
    xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15))
)



# 绘制岗位要求词云图
# 调用word_count函数，进行文本处理，并提取词频排行前100的词
word_counts = word_count(string_data)

# 绘制词云
p5obj2 = WordCloud()
p5obj2.add(
        series_name="岗位技能要求", data_pair=word_counts, word_size_range=[20, 80],
    )
p5obj2.set_global_opts(
        title_opts=opts.TitleOpts(title="岗位技能要求"),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )


# 当这个程序有可能被导入时，写这个判断
# 直接用python程序调用当前这个脚本时，__name__为__main__，执行下面
# 当这个程序被导入时，__name__不为__main__，便不会执行
if __name__ == '__main__':
    page = Page()
    page.add(p5obj2,p5obj1)
    page.render('5.数据科学工具要求排行柱状图和岗位技能要求词云.html')

生成网页
5.数据科学工具要求排行柱状图和岗位技能要求词云.html

6.不同岗位对学历和工作经验要求分布柱状图

p6.py

from pyecharts.charts import Bar,Page
from pyecharts import options as opts

'''
6.不同岗位对学历和工作经验要求分布柱状图
'''

# 读取数据
# 从publicFunction中导入read_works函数
from publicFunction import read_works
# 调用此函数，完成数据的读取和处理
data_cy = read_works()


# 不同岗位对学历要求分布柱状图

# 统计学历要求数据
# 按照岗位类别、学历要求分组来统计数量，根据岗位id来计数
data_gr = data_cy.groupby(['岗位类别', '学历要求']).count()['岗位id']  # 计算各种学历在每个岗位类别中所对应的岗位数量
# print(data_gr)

xindex = ['不限','大专','本科','硕士','博士']

# 选取工作类别‘java’、‘python’、‘数据科学’、‘算法工程师’所对应的数据，画出不同岗位对学历要求分布柱状图
p6obj1 = Bar()
p6obj1.add_xaxis(xindex)
p6obj1.add_yaxis("java", list(data_gr['java'].reindex(xindex)), gap="0%")
p6obj1.add_yaxis("python", list(data_gr['python'].reindex(xindex)), gap="0%")
p6obj1.add_yaxis("数据科学", list(data_gr['数据科学'].reindex(xindex)), gap="0%")
p6obj1.add_yaxis("算法工程师", list(data_gr['算法工程师'].reindex(xindex)), gap="0%")
p6obj1.set_global_opts(title_opts=opts.TitleOpts(title="不同岗位对学历要求分布柱状图"))



# 不同岗位对工作经验要求分布柱状图

# 统计对应工作经验数据
# 按照岗位类别、工作年限分组来统计数量，根据岗位id来计数
data_gr1 = data_cy.groupby(['岗位类别', '工作年限']).count()['岗位id']  # 计算每个岗位类别中相同工作年限的要求的数量
# print(data_gr1)
yindex = ['不限','在校/应届','1年以下','1-3年','3-5年','5-10年','10年以上']


# 选取工作类别‘java’、‘python’、‘数据科学’、‘算法工程师’所对应的数据，画出不同岗位对工作经验要求分布柱状图
p6obj2 = Bar()
p6obj2.add_xaxis(yindex)
p6obj2.add_yaxis("java", list(data_gr1['java'].reindex(yindex)), gap="0%")
p6obj2.add_yaxis("python", list(data_gr1['python'].reindex(yindex)), gap="0%")
p6obj2.add_yaxis("数据科学", list(data_gr1['数据科学'].reindex(yindex)), gap="0%")
p6obj2.add_yaxis("算法工程师", list(data_gr1['算法工程师'].reindex(yindex)), gap="0%")
p6obj2.set_global_opts(title_opts=opts.TitleOpts(title="不同岗位对经验要求分布柱状图"))

# 当这个程序有可能被导入时，写这个判断
# 直接用python程序调用当前这个脚本时，__name__为__main__，执行下面
# 当这个程序被导入时，__name__不为__main__，便不会执行
if __name__ == '__main__':
    page = Page(layout=Page.SimplePageLayout)
    page.add(p6obj1,p6obj2)
    TT = page.render("6.不同岗位对学历和工作经验要求分布柱状图.html")

生成网页
6.不同岗位对学历和工作经验要求分布柱状图.html

7.将以上所有图组合在一个页面中，并做出选项卡

combine.py

# 将其他文件导入
import p1,p2,p3,p4,p5,p6


'''
此时p1,p2,p3,p4,p5,p6文件中的if __name__ == '__main__':语句就发挥了作用
此时为被导入的情况，p1,p2,p3,p4,p5,p6中的__name__ 就不为 '__main__'，便不会在原来的文件中再生成页面
'''

from pyecharts.charts import Tab
# 选项卡页面
tab = Tab()
# 把每一个做成一个选项卡，放入其中
tab.add(p1.p1obj,'各岗位占比饼图')
tab.add(p2.p2obj,'各岗位平均起薪柱状图')
tab.add(p3.p3obj.overlap(p3.line),'各城市招聘量柱状图及平均薪资折线图组合')
tab.add(p4.p4obj,'各城市岗位薪资分布热力图')
tab.add(p5.p5obj2,'数据科学岗位技能要求词云')
tab.add(p5.p5obj1,'数据科学工具要求排行柱状图')
tab.add(p6.p6obj1,'不同岗位对学历要求分布柱状图')
tab.add(p6.p6obj2,'不同岗位对工作经验要求分布柱状图')

# 生成页面
tab.render("combine.html")

生成网页
combine.html

点击上面的选项卡会展现相应的图表

补充以及GitHub链接

若运行时报此错误：

是pyecharts版本的原因
只需用以下命令重新安装即可

pip install pyecharts==1.6.2

GitHub链接：Python-PyechartsVis