Boss直聘招聘数据分析岗位小分析

        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 WordCloud

import 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()

RangeIndex: 2913 entries, 0 to 2912
Data columns (total 9 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   标题      2913 non-null   object
 1   地区      2913 non-null   object
 2   公司名     2913 non-null   object
 3   公司领域    2913 non-null   object
 4   薪资      2913 non-null   object
 5   经验      2913 non-null   object
 6   规模      2913 non-null   object
 7   福利      2531 non-null   object
 8   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