【55 Pandas+Pyecharts | 实习僧网Python岗位招聘数据分析可视化】_pandas处理招聘网站薪资数据-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_42152811/article/details/144337438

本期将利用Python分析「实习僧网站招聘数据」，看看：各城市python岗位实习生招聘数量，招聘平均薪资分布，招聘岗位分布，招聘学历要求、实习周期分布等情况，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。

【下期：实习僧网站岗位数据爬虫】

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.commons.utils import JsCode
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('./实习僧招聘数据.xlsx')

在这里插入图片描述

2.2 查看数据信息

df.info()

在这里插入图片描述

一共有600条数据，包含岗位名称、公司、城市、学历、福利、薪资、工作周期、实习时间等字段

2.3 去除重复数据

df1 = df.drop_duplicates()

2.4 调整部分城市名称

df['城市'] = df['城市'].replace({'上海市':'上海','成都市':'成都','武汉市':'武汉','北京市':'北京','深圳市':'深圳'})

🏳️‍🌈 3. Pyecharts数据可视化

3.1 招聘数量前20岗位

def get_bar1():
    chart = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis('', y_data,label_opts=opts.LabelOpts(position='right'))
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="1-招聘数量前20岗位",
                pos_left="center",
                pos_top='2%',
                subtitle=subtitle,
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=True,
            ),
        )     )

在这里插入图片描述

招聘数量前20的岗位主要是：后端开发、算法、软件开发、后端开发工程师、深度学习算法、NLP算法、后端、算法工程师、机器学习、视觉算法、python开发、后端研发、软件工程师、软件开发工程师、语音算法、NLP、Python开发、AI算法、大模型算法、图像算法等，主要以后端算法为主。

3.2 各城市招聘数量

在这里插入图片描述

招聘地点主要集中在：北京、上海、深圳、杭州、成都、南京、广州、苏州、武汉等城市。

3.3 各城市平均薪资象形图

def get_pictorialBar():
    chart = (
        PictorialBar()
        .add_xaxis(x_data)
        .add_yaxis(
            "",
            y_data,
            label_opts=opts.LabelOpts(is_show=False),
            symbol_size=12,
            symbol_repeat="fixed",
            symbol_offset=[0, 0],
            is_symbol_clip=True,
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='3-各城市平均薪资象形图',
                pos_left="center",
                pos_top='2%',
                subtitle=subtitle,
            ),
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=90)),
            visualmap_opts=opts.VisualMapOpts(
                is_show=True,
            ),
        )
    )

在这里插入图片描述

上海、北京、深圳、杭州等地的平均薪资相较于其他城市更高一些。

3.4 招聘学历占比

在这里插入图片描述

招聘学历方面主要以本科、硕士为主，占比超过80%。

3.5 实习薪资分布

def get_scatter():
    chart = (
        Scatter()
        .add_xaxis(x_data)
        .add_yaxis(
            "",
            y_data,
            label_opts=opts.LabelOpts(is_show=False),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="5-实习薪资分布",
                pos_left="center",
                pos_top='2%',
                subtitle=subtitle,
            ),
            xaxis_opts=opts.AxisOpts(name='id'),
            yaxis_opts=opts.AxisOpts(name='元/天'),
            visualmap_opts=opts.VisualMapOpts(
                is_show=True,
            ),
        )     )

在这里插入图片描述

实习期间薪资基本上集中在100-400元/天这个区间。

3.6 实习薪资区间

在这里插入图片描述

3.7 实习时间要求

在这里插入图片描述

实习时间上大部分公司要求实习3-6个月，以3个月居多，也存在实习期1个月和1年的情况。

3.8 实习工作周期

def get_scatter():
    chart = (
        Pie()
        .add("",
             [list(z) for z in zip(x_data, y_data)],
             center=['50%','55%'],
            )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="8-实习工作周期",
                pos_left="center",
                pos_top='2%',
                subtitle=subtitle,
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=True,
            ),
        )     
        )

在这里插入图片描述

实习工作周期以5天/周为主，占比接近65%。

3.9 公司词云

def get_WordCloud():
    chart = (
        WordCloud(init_opts=init_opts)
        .add('',words,word_size_range=[5,34])
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='9-公司词云',
                subtitle=subtitle,
                pos_top='2%',
                pos_left='center',
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
            ),
        )    )