爬虫分析什么编程语言最赚钱：Python、Java薪资最高，C#垫底

万年的编程语言之争，这次要用薪资高低来决定胜负了！

本文主要用Python爬取拉勾网不同编程语言职位信息，包括Python岗、Java岗、C++岗、PHP岗、C#岗位（5岗），再用R语言对影响薪资的因素进行分析。由于拉勾网的职位信息只显示30页，一页15个职位信息，如果单独爬取一个城市的岗位信息，只有几页是匹配的信息，信息量太小，分析没有说服力。因此，本文爬取拉勾网全国职位信息。主要包括三部分内容：

• 爬取拉勾网5岗职位信息，以Python岗为例；
• 以Python岗位信息为例，分析影响薪资的因素；
• 5岗之间薪水因素影响比较分析。

1

爬取拉勾网5岗职位信息——以Python岗为例

我们抓取的信息包括Python岗位名称、公司名称、薪资、工作经验、学历、公司规模、公司福利。

##以python岗位为例，运用selenium+Chrome()爬取岗位信息
# coding=UTF-8
from lxml import etree
from selenium import webdriver
import time
import csv
browser = webdriver.Chrome()
browser.get('https://www.lagou.com/jobs/list_PYTHON?px=default&city=%E5%85%A8%E5%9B%BD#filterBox')
browser.implicitly_wait(10)
def get_dates(selector):
 items = selector.xpath('//*[@id="s_position_list"]/ul/li')
 for item in items:
 yield {
 'Name': item.xpath('div[1]/div[1]/div[1]/a/h3/text()')[0],
 'Company': item.xpath('div[1]/div[2]/div[1]/a/text()')[0],
 'Salary': item.xpath('div[1]/div[1]/div[2]/div/span/text()')[0],
 'Education': item.xpath('div[1]/div[1]/div[2]/div//text()')[3].strip(),
 'Size': item.xpath('div[1]/div[2]/div[2]/text()')[0].strip(),
 'Welfare': item.xpath('div[2]/div[2]/text()')[0]
 }
def main():
 i = 0
 for i in range(30):
 selector = etree.HTML(browser.page_source)
 browser.find_element_by_xpath('//*[@id="order"]/li/div[4]/div[2]').click()
 time.sleep(5)
 print('第{}页抓取完毕'.format(i+1))
 for item in get_dates(selector):
 print(item)
 with open('Py.csv', 'a', newline='') as csvfile: ##Py.csv是文件的保存路径，这里默认保存在工作目录
 fieldnames = ['Name', 'Company', 'Salary', 'Education', 'Size', 'Welfare']
 writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
 writer.writeheader()
 for item in get_dates(selector):
 writer.writerow(item)
 time.sleep(5)
 browser.close()
if __name__=='__main__':
 main()

抓取结果如下：

将抓取结果循环写入csv文件：

此外还抓取了Java岗、C++岗、PHP岗、C#岗位4岗的信息，代码和抓取Python岗位信息类似。

1

以Python岗位信息为例，分析影响薪资的因素

这里包括数据清洗部分和数据分析部分两部分内容。

• 数据清洗部分

data<-read.csv("E://Data For R/RData/Py.csv")
data[sample(1:nrow(data),size=10),]

在抓取过程中，由于将Python字典循环写入csv文件，因此列名也被循环写在csv文件中。

考虑本文主要分析影响薪资的因素，这里去除Name和Company两列。

##去除Name和Company两列
DATA<-data[,-c(1,2)]
##将python字典循环写入csv文件时，标题也会被写入，去除多余的标题
##查找哪些行是标题重复的行
which(DATA$Salary %in% "Salary")
 [1] 16 32 48 64 80 96 102 118 134 150 166 182 198 214 230 246 262 278 294 310 326 342 358 374 390 406 422 438 454 470 486 502 518
[34] 534 550 566
##去除多余的标题所在的行
DATA<-DATA[-(which(DATA$Salary %in% "Salary")),]
dim(DATA)
[1] 545 4

1.变量Salary

变量Salary一般都是范围值，用“-”连接，但是不排除有XXK以上，例如10k以上这种表示形式，或者其他形式，这里需要处理一下。

##如果薪资是一个范围值，都是"-"连接，注意，薪资是一个范围值，匹配末尾结束k值需要注意，有大写K和小写k两种形式。
newdata<-DATA[grep('\\-',DATA$Salary),]
dim(newdata)
[1] 544 4
##对比前面dim(DATA)，说明薪水少了一行，Salary具有其他的表示形式。
##这里将范围薪水的值分成底薪和高薪两部分，后面取平均值来表示薪水
library(tidyr)
library(stringr)
newdata<-separate(data=newdata,col=Salary,into=c("lowsalary","highsalary"),sep="-")
##分别去除后面的k值，注意k有大写和小写两种形式
newdata$lowsalary<-str_replace(newdata$lowsalary,'k|K',"")## |表示或的关系
newdata$highsalary<-str_replace(newdata$highsalary,'k|K',"")
newdata$lowsalary<-as.numeric(newdata$lowsalary)##转换数据类型
newdata$highsalary<-as.numeric(newdata$highsalary)
newdata$salary<-(newdata$lowsalary+newdata$highsalary)/2
newdadat<-newdata[,-c(1,2)]##去除原有的lowsalary和highsalary

2.变量Education

###Education部分
##首先将Education中工作经验和学历分开
newdata<-separate(data = newdata,col=Education,into=c("Experience","Graduate"),sep = '/')
table(newdata$Experience)
经验1-3年 经验1年以下 经验3-5年 经验5-10年 经验不限 经验应届毕业生 
 187 6 261 46 37 7 
table(newdata$Graduate)
 本科 不限 大专 硕士 
 447 27 63 7 

3.变量Size

##此处以公司人数作为描述公司规模的标准
newdata<-separate(data=newdata,col=Size,into=c('Type','Rong','Number'),sep='/')
table(newdata$Number)
 15-50人 150-500人 2000人以上 50-150人 500-2000人 少于15人 
 76 139 117 119 82 11 
table(newdata$Rong)
A轮 B轮 C轮 D轮及以上 不需要融资 上市公司 天使轮 未融资 
86 81 54 30 132 80 33 48 
##将Type去除 
newdata<-newdata[,-3]

4.变量Welfare

Welfare<-newdata[,"Welfare"]
##将Welfare去除
newdata<-newdata[,-5]
head(newdata)

​到此，数据清洗部分内容全部结束。

• 数据分析部分

1.工资与工作年限的关系

library(ggplot2)
ggplot(newdata,aes(x=Experience,y=salary))+geom_boxplot(col="red")

符合大众的认知，从事Python的应届毕业生起始工资平均值在5K左右，且薪资水平跨度最小。经验5-10年的工资水平跨度最大，主要可能是因为，有一部分转为技术管理岗位，工资较低的可能还在继续码代码，是不是对广大同胞们的警告啊.......

2.工资与学历的关系（专科，本科，研究生，不限）

ggplot(newdata,aes(x=Graduate,y=salary))+geom_boxplot(col="red")

这里是否能说明学历在一定程度上的重要性？学历本科的工资跨度比较大，因为工作经验的不同导致了薪资的差异。

3.工资与公司融资的关系

ggplot(newdata,aes(x=Rong,y=salary))+geom_boxplot(col="red")

对于这部分知识是盲点，但是可以看出融资公司（上市也是一种融资方式）比没有融资的公司平均工资要高出不少，这部分是不是可以是以后找工作的一个风向标......

4.工资与公司大小的关系

公司规模越大，平均的工资也越高。

5.工资与工作时间和学历的关系

library(ggthemes)
library(scales)
ggplot(newdata,aes(x=Experience,y=salary,fill=factor(Graduate)))+
geom_boxplot()+
geom_hline(aes(yintercept=20),color="red",linetype="dashed",lwd=1)+
scale_y_continuous(labels=dollar_format())+theme_few()

这张图告诉我们，在大部分情况下，没（Ren）钱（Chou）就要多读书。不管是经验经验1年以下、经验3-5年、经验5-10年、经验不限的情况下，拥有硕士学历的平均收入都普遍高于本科，本科都高于大专（这里完全没有歧视低学历之意）。

6.公司福利的云图

##公司福利的云图
library(jiebaR)
Welfare<-as.character(Welfare)
wk = worker()
seg_words<-wk[Welfare]
library(plyr)
library(wordcloud)
tableWord<-count(seg_words)
windowsFonts(myFont=windowsFont("华文彩云")) ##使用华文彩云字体
wordcloud(tableWord[,1],tableWord[,2],random.order=F,col= rainbow(100),family="myFont")现在公司的福利贴有“弹性工作，氛围好，团队，大牛，技术，五险一金”等标签来吸引求职者眼球。

3

5岗之间薪水因素影响比较分析

1.Python岗、Java岗、C++岗、PHP岗、C#岗位的平均薪水

抓取拉勾网职位信息，可以看出Python和Java的平均薪资较高，C#的平均工资最低。

由此也验证Python近几年火热的态势，由于AI的火热，Python的需求越来越大，传统的Java也比较强势，薪资待遇较高。

2.相同工作经验不同职位信息薪水比较

对于不同工作经验，不同编程语言平均薪水还是有较大的差异。

3.相同学历信息不同职位信息薪水比较

通过硕士、本科、大专、不限四种比较，硕士的总体薪资高于本科。

4.同一职位不同学历信息薪水比较

总的看来，在每个职业，硕士学历的平均薪水高于本科，本科的平均薪水高于大专。

 Python经验分享

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

Python学习路线

这里把Python常用的技术点做了整理，有各个领域的知识点汇总，可以按照上面的知识点找对应的学习资源。

学习软件

Python常用的开发软件，会给大家节省很多时间。

学习视频

编程学习一定要多多看视频，书籍和视频结合起来学习才能事半功倍。

100道练习题

实战案例

光学理论是没用的，学习编程切忌纸上谈兵，一定要动手实操，将自己学到的知识运用到实际当中。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。