疫情之下,2020求职有多难!我用Python分析了960家倒闭的公司,告诉你到底有多难...

python在哪些方向相对来说更容易就业? 大家都知道Python很吃香,薪资高、就业面广,但具体的,有哪些方向、哪些最适合自己,可能就没有具体的了解了。 今天,我整理了Python的5大就业方向,希望大家能找到适合自己的,然后学习下去,完成人生的目标。 01、Web开发(Python后端) Python有很多优秀的Web开发框架,如Flask、Django、Bootstar 等,可以帮助你快速搭建一个网站。当需要一个新功能时,用Python只需添加几行代码即可,这受到了很多初创型公司的一致欢迎。 像知乎、豆瓣、小米这样的大厂,最早的网站都是 阅读详情

点击上方“菜鸟学Python”,选择“星标”公众号

重磅干货,第一时间送达

今年受到疫情和经济下行的双重压力,找工作变得也是愈发的困难,一方面是找工作的人更多了,而另一方面,也是主要的方面,很多公司因为疫情的影响而倒闭。

为了更好的让大家了解今年找工作的形式,小编带领大家来看一下2020年因为疫情而倒下的企业。也让大家在找工作时有一个更好的更明确的方向。

01.
数据抓取


小编抓取的是IT桔子提供的企业信息,爬取了从2020年起始至今,所有死亡公司的信息。包括了公司名称,公司存活时间还有死亡时间,公司主营方向等等信息。

爬虫的程序主要利用的是selenium库进行抓取,主要的爬虫程序如下图所示:

上述程序中,首先找到公司的信息内容(deadCom),然后循环提取公司的名称,公司存活时间等信息,最后,将抓取到的信息保存到本地的csv文件中即可。然后点击下一页,继续进行相同的爬取操作。

最终,小编爬取到了2020年至今的倒闭的960家公司的信息,下面我们来看一下这些公司的一些特性吧。

02.

数据分析

公司的的生存周期

首先,对于一家公司而言,生存时间的长短反映了一个公司生命力。我们首先将数据中的字符串转化成以“月”为单位的整型变量。程序如下所示:

程序中,首先匹配年和月,然后转化为整型,并取变量名为“livetimeMonth"。接着,根据livetimeMonth来统计不同生存时间段下公司的数量,如下图所示:

上图可以看出,生存期在4.5年以下的公司占到了绝大多数。可见,一个公司能长久发展是多么的不容易。另一方面也体现了存活时间长的公司更能抵抗不利的因素。

融资情况

公司是否能生存的重要因素还在于融资的情况,我们可以根据公司的融资的角度,来看一下死亡公司。

公司是否能生存的重要因素还在于融资的情况,我们可以根据公司的融资的角度,来看一下死亡公司。

可以看到,没有获得融资的死亡公司占到了76.08%的比例,而融资越好的公司,其死亡的数量也不断的下降。因此,在找工作的时候,公司融资的能力也是一个重要的评估指标。

最容易死亡的公司类型

那哪一些方向的公司最容易死亡呢,小编按照死亡公司的主营类别方向,进行分类,并按照其数量制作了如下的词云图。

可以看到,金融,企业服务和电子商务这些方向的公司”死亡“的数目是最高的,而像是农业,工业物流等基础产业,抵抗风险的能力是比较强大的。

哪些地区是高发

最后,我们来看一下,哪些省市”死亡“公司的数目是最多的。

可以看到,死亡公司中在北京的数量是远远超过其他的省市的,其次,沿海城市”死亡“公司的数量也是高于内陆。

以上就是小编今天带领大家针对于2020年倒闭死亡公司的记录,那可以看出,大家找工作,需要注意的点是:

  • 公司的生存时间,时间长的公司表明公司实力雄厚;

  • 还有就是融资的能力,能够得到融资,公司就有生存下去的动力;

  • 大家找工作可以偏向实体的业务,能真正做出东西来的公司,才是发展的硬道理;


希望大家能够从今天的学习中,获取到知识,同时对大家的找工作也有一些启发。凡事也有两面性。稳定的公司虽然可靠但是薪资涨幅不会太大,创业型的公司虽然不稳定,但是一旦成功收入几十倍的增长。

鱼和熊掌不可兼得,适合自己也许才是最好的,也欢迎今年有找工作的同学在留言区吐槽一下。

同学你怎么看~~

推荐阅读:

点这里,获取新手福利
Python(Request和beautifulsoup)的爬虫程序(破产网) 利用python完成的爬虫示例,使用了request获取网页信息并利用beautifulsoup解析html,利用pandas清洗数据后把破产案件信息整理为csv文件保存。 -支持手动输入案件的时间和要爬取的页码数。 -Selenium版本还在修改 立即下载

相关推荐

Company Bankruptcy Prediction(公司破产的预测)-数据集

Bankruptcy data from the Taiwan Economic Journal for the years 1999–2009. 《台湾经济月刊》1999-2009年破产数据。 data.csv

Bang!这个Python处理时间的库,我拆解了!

Python里面处理时间库的有很多,其中大家经常用的有datetime。但是对于懒人来说还是很不爽,有么有更简单的,可以把我们的需求比如的白话文本转为字符串的时间库呢,今天小编在GitH...

cainiao_python的博客 454

Python日期解析库dateparser.zip

dateparser 是一个 Python 开发包,用来解析各种日期数据。 标签:dateparser

【Python+Flask+Echarts 】可视化样题 --- 绘制各年份被淘汰的公司总数对比图形

Python+Flask+Echarts可视化 数据可视化的实现可以通过许多的方法,比如熟知的python就可以利用内置matplotlib库进行图形绘制,今天就来介绍一种Python+Flask+Echarts的联合方式进行数据可视化,下面是部分数据及截图,将会按照具体需求进行案例说明。 Flask工程基本结构 资源包主要指的就是要利用到的外部资源 基本步骤: 利用python的pandas读取数据集 按照题目要求提取有效数据,整合为新的数据集 将处理好的数据集转为List 创建Flask应

懂得一千零一种,赋予你失败的方法! 2763

Base.Parse.LoginNotRequired:一个基本的 android 应用程序,带有挂钩解析推送消息和解析用户使用情况而无需登录

Base.Parse.LoginNotRequired 一个基本的 android 应用程序,带有挂钩解析推送消息和解析用户使用情况而无需登录

K-means在关键词聚类中的尝试

K-means在文本聚类中的尝试 K-means算法是无监督的聚类算法。它的算法思想是:先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了,每个聚类的聚类中心会根据聚类中现有的对象被重新计算。 K-means算法的关键点在于: 初始k个聚类中心的选择 距离的计...

BigPig_LittleTail的博客 5573

Python最吃香的5个就业方向,薪资收入也非常可观!

今天跟大家聊聊Python的几个主要发展和就业方向,给准备学习Python的小伙伴解惑。 发展前景一:Linux运维 Linux运维是必须而且一定要掌握Python语言,Python是一门非常NB的编程语言,它可以满足Linux运维工程师的工作需求提升效率,从而提升自己的能力,运维工程师需要自己独立开发一个完整的自动化系统时,这个时候才是真正价值的体现,才能证明自身的能力,让老板重视。 发展前景二:Python Web网站工程师 我们都知道Web一直都是不可忽视的存在,我们离不开网络,离不开Web,利..

测试萌萌 2万+

[UE5蓝图基础二]1.[1d混合空间] 走和跑的动画切换(shift切换)

再双击”run”进去 我们需要给他指定一个动画姿势,这里就需要给他我们前面做的”1d”混合空间,然后可以看到”1d” 上有个speed参数,代表的速度 从前面的逻辑来看需要通过控制速度来切换动画,那么必然不能写死速度,把速度提升为变量传递进来即可,所以就得到以下蓝图节点。混合空间的概念:混合空间就是可以将角色多个动画混合在一起 ,我们创建动画类就是创建个”Animation”文件夹 在文件夹内创建混合空间。我们目前要实现的是一个走和跑的功能 那么创建1d即可。到这一步混合空间已经做完 下一步做”动画蓝图”

qq_30584617的博客 3300

Python日期和时间库datetime

Python内置模块datetime用于处理日期和时间。支持日期时间数学运算,着重于有效地解析其属性用于格式化输出和数据操作。

XerCis的博客 1240

随机森林模型及案例(Python)

1 集成模型简介 集成学习模型使用一系列弱学习器(也称为基础模型或基模型)进行学习,并将各个弱学习器的结果进行整合,从而获得比单个学习器更好的学习效果。 集成学习模型的常见算法有Bagging算法和Boosting算法两种。 Bagging算法的典型机器学习模型为随机森林模型,而Boosting算法的典型机器学习模型则为AdaBoost、GBDT、XGBoost和LightGBM模型。 1.1 Bagging算法简介 Bagging算法的原理类似投票,每个弱学习器都有一票,最终根据所有弱学习器的投

qq_42433311的博客 4万+

Solidworks曲面建模学习(三)——样条曲线

本文主要演示平面的空间样条曲线的一些绘制。

东东不熬夜的博客 6505

复杂计算器的实现,没有界面

/* 这里给大家分享一个用于计算器的工具类,里面只有一个方法值核心的代码, 就是名为  baseParse  这个名字的方法,这个方法可以计算一个没有括号的 混合的加减乘除的字符串    比如可以解析  "5*9-3+5*2"  出结果为一个双 精度的52.0  的结果    原理分析:由于+号左右两边可以先运算,所有这里 就拆分成  "5*9-3"  和 "5*2" 这两个字符串,分别

u013120273的博客 865

关于Fluent模拟中的动态接触角UDF实现,详细设计

🏆本文收录于 《全栈Bug调优(实战版)》 专栏,该专栏专注于分享我在真实项目开发中遇到的各类疑难Bug及其深层成因,并系统提供高效、可复现的解决思路和实操方案。无论你是刚入行的新手开发者,还是拥有多年项目经验的资深工程师,本专栏都将为你提供一条系统化、高质量的问题排查与优化路径,助力你加速成长,攻克技术壁垒,迈向技术价值最大化与职业发展的更高峰🚀!

**My Coding Family** 1147

Python最容易就业、工资最高的6个方向

今天总结了初学者跳槽Python最容易就业、工资最高的6个方向,供小伙伴们参考。

m0_59235699的博客 427

【报错】(pycharm运行程序)OSError: [WinError 1114] 动态链接库(DLL)初始化例程失败。 Error loading

1 报错 OSError: [WinError 1114] 动态链接库(DLL)初始化例程失败。 Error loading 2 分析原因 通过 activate Distance 进行自己创建的 Distance 虚拟环境中,输入python会显示环境中python的版本信息,再依次import,显然不会报错。 这是因为在Anaconda的环境下有支持 import torch 的 dll,而在PyCharm中使用的是自己创建的新环境,还缺少相应支持的dll,仅需在PyCharm中配置环境变量。.

静谧、淡雅 8623

STM32 实现 4*4 矩阵键盘扫描(HAL库、标准库 都适用)

本文实现的代码是基于STM32HAL库的基础上的,不过标准库也可以用,只是调用的库函数不同,逻辑跟配置是一样的,按我这里的逻辑来配置即可。 1、键盘原理图: 原理举例:先把 F0-F7 内部拉高,这样这个8个引脚都是高电平,然后就进行列扫描。例如:假如按下3按钮,Y3 列扫描,把F4先拉低,然后读取F0-F3的状态,就会读出为1110,这就可 以知道是F3行拉低了,同时这时候是程序控制F4拉低的,这样就可以知道是F4列导致它转态变化了的,这样就可以定位出是F4列F3行的按键按下了;其他的列也是这样子扫描

lhh_qrsly的博客 7059

Python时间处理全攻略:标准库与第三方库的实战应用

Python提供了多种时间处理模块,包括内置的time和datetime模块,以及第三方的dateutil和arrow模块。time模块主要用于时间戳操作,支持获取当前时间戳、时间格式化和延迟功能。datetime模块则提供了更丰富的日期和时间处理功能,支持日期运算、格式化和比较。dateutil模块扩展了datetime的功能,支持灵活的时间解析和相对时间计算。arrow模块则提供了简洁的API,支持时区转换、本地化和时间范围生成。这些模块为Python开发者提供了强大的工具来处理各种时间相关的任务。

1713

Spring AI Alibaba 项目源码学习(九)-其他继承BaseAgent

本文分析了Spring AI Alibaba Agent Framework中的A2aRemoteAgent实现,主要特点包括: 实现了Agent间的远程调用能力,支持分布式部署 核心组件包括AgentCard封装元数据、A2aNodeActionWithConfig处理调用逻辑、AgentCardProvider提供卡片管理 支持流式调用和状态共享机制 采用Builder模式构建Agent实例 通过指令传递实现Agent间通信 关键流程包括状态提取、请求构建、远程调用和状态更新四个步骤,形成Agent

820

【vue3】vue3源码探索之旅:compiler-core(一)

compiler-core包是vue3源码代码编译的核心代码包,且与平台无关,这个包**主要功能是将代码解析成ast、然后转换成codegenNode对象、再编译生成可执行代码(render渲染函数)**

qq_2511276124的博客 1866

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

编译模块2: parse 准备

源码位置: vue-next/packages/compile-core/src/parse.ts 经过上文的铺垫,应该都对编译的过程以及 AST 的作用有了一定的认识,由于 parse 函数需要做的准备工作比较多,因此再分多一篇用来铺垫,下一篇就是正式实现了 解释一下 直接开一手上帝视角,照着源码的思路来进行解释 parse 做的事情简单来说就是将模板字符串中有用的信息以各种方式提取出来,并形成一个个节点,最终构建成一棵 AST。 一些准备工作 以下是实现 parse 前需要做的准备,以及一些会遇到的.

tim1010101的博客 278

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

5行Python代码爬取3000+ 上市公司的信息

基本环境配置版本:Python3系统:Windows相关模块:pandas、csv爬取目标网站实现代码 3000+ 上市公司的信息,安安静静地躺在 Excel 中:有了上面的信心后,我开始继续完善代码,因为 5 行代码太单薄,功能也太简单,大致从以下几个方面进行了完善:增加异常处理由于爬取上百页的网页,中途很可能由于各种问题导致爬取失败,所以增加了 try except 、if 等语句,来处理可能出现的异常,让代码更健壮。增加代码灵活性初版代码由于固定了 URL 参数,所以只能爬取固定的内容,但是人的想

Python宋宋的专栏 1827

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Python实战案例:爬取中国执行信息公开网

从面试题谈起 谈到这个项目的爬虫,就要从一道面试题谈起了。 这道面试题是: 请写一个爬虫从网址 http://zxgk.court.gov.cn/shixin/,检索被执行人姓名:"阿里",并填入验证码后查询,抓取结果列表,与对应的详情,并将内容导出为csv。 根据这道面试题的情境,进入到地址http://zxgk.court.gov.cn/shixin/,在“被执行人姓名/名称”后面的输入框中输入“阿里”,再输入验证码,点击红色的“查询”按钮。如下图所示。 现在需要抓取的是查询后的结果数据,

play_big_knife的博客 8505

转行python工程师的必备一课

转行python工程师的必备一课

隔壁王叔的博客 344

十年沉浮,用Python看创业公司消亡史

作者 |叶庭云来源 | 修炼Python头图 | 下载于视觉中国前言IT桔子有一个新经济死亡公司数据库:https://www.itjuzi.com/deathCompany,统计了20...

AI科技大本营 1493

python公司分析_Python分析6000家破产IT公司

前一阵有个字节跳动的程序员火了,年仅28岁实现了财务自由,宣布提前退休。最直接的原因是选择了一家发展前景很好的创业公司。当然平时我们经常能听到,某某人加入创业公司,xx年后公司上市,身价暴涨,财务自由。但这都是小概率事件,大部分人往往要么等不到公司上市就离职,要么公司还没上市就破产。这两天找到一份近几年破产的IT公司名单,共6000家,下面就对这份数据做个简单分析。分析思路大致如下:了解整体概况单...

weixin_39960793的博客 910

Vue3核心源码解析第九课 模板解析

Vue.js 3.0 的编译场景分服务端 SSR 编译和 web 编译,本文我们只分析 web 的编译。我们先来看 web 编译的入口 compile 函数,分析它的实现原理: compile 函数支持两个参数,第一个参数 template 是待编译的模板字符串,第二个参数 options 是编译的一些配置信息。compile 内部通过执行 baseCompile 方法完成编译工作,可以看到 baseCompile 在参数 options 的基础上又扩展了一些配置。对于这些编译相关的配置,我们后面会在具体的

fegus的博客 1086
上一篇: 关于Python3.9,这张「新特性必知图」就够了
下一篇: 太赞了!帮你总结的AI学术经典资料包,拿走不谢!
菜鸟学Python
博客等级 码龄9年 8081粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值