在前面一篇文章—拉勾网职位数据爬取，我爬取了拉勾网在杭州、Python职位、应届生这三个条件下的所有数据。下面我对这些数据做一下分析。

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
%matplotlib inline#配置中文字体和修改字体大小
matplotlib.rcParams['font.family'] = 'SimHei'
matplotlib.rcParams['font.size'] = 30

df = pd.read_csv("Python-School-Hangzhou.csv",encoding = 'utf-8')

数据清洗

df.columns.values.tolist()

['adWord','appShow','approve','businessZones','city','companyFullName','companyId','companyLabelList','companyLogo','companyShortName','companySize','createTime','deliver','district','education','explain','financeStage','firstType','formatCreateTime','gradeDescription','hitags','imState','industryField','industryLables','isSchoolJob','jobNature','lastLogin','latitude','linestaion','longitude','pcShow','plus','positionAdvantage','positionId','positionLables','positionName','promotionScoreExplain','publisherId','resumeProcessDay','resumeProcessRate','salary','score','secondType','stationname','subwayline','workYear']

原始数据有太多的无用信息，下面进行数据清洗。

df.drop(['adWord','appShow','approve'],axis = 1,inplace = True)
df.drop(['businessZones','companyLabelList','companyLogo'],axis = 1,inplace = True)
df.drop(['createTime','deliver','district','education','explain'],axis = 1,inplace = True)
df.drop(['formatCreateTime','gradeDescription','hitags'],axis = 1,inplace = True)
df.drop(['imState','industryLables'],axis = 1,inplace = True)
df.drop(['isSchoolJob'],axis = 1,inplace = True)
df.drop(['lastLogin','promotionScoreExplain','publisherId','resumeProcessDay','resumeProcessRate','stationname','subwayline'],axis = 1,inplace = True)
df.drop(['pcShow','plus','positionAdvantage','positionId','positionLables','score'],axis = 1,inplace = True)
df.drop(['latitude','linestaion','longitude'],axis = 1,inplace = True)
df.drop(['city','companyFullName'],axis = 1,inplace = True)
df.drop(['companyId','firstType'],axis = 1,inplace = True)

数据分析

下面根据我想要的信息做一下数据处理、分析。

职位大类别统计

secondType_Series = df['secondType'].value_counts()
secondType_Series

数据开发      29
后端开发      28
人工智能      23
测试        21
运维        14
移动前端开发    10
数据分析       6
企业软件       6
硬件开发       2
产品经理       2
风控         1
Name: secondType, dtype: int64

下面用Pandas画一下直方图。

plt.figure(figsize=(10,5))
secondType_Series.plot.bar()
plt.show()

实习、全职统计

jobNature_Series = df['jobNature'].value_counts()
jobNature_Series

实习    76
全职    66
Name: jobNature, dtype: int64

公司统计

统计每个公司出现的个数，然后选取招聘Python相关职位个数大于等于3的公司。

companyShortName_Series = df['companyShortName'].value_counts()
companyShortName_Series_3 = companyShortName_Series[companyShortName_Series > 2] # 选取招聘Python相关职位个数大于等于3的公司
companyShortName_Series_3

个推            10
大搜车            8
同花顺            7
一周CP           4
袋鼠云            4
元素链            4
网易游戏           4
谷神星            4
美国道富           3
网易             3
点我达            3
阿里巴巴-B类事业群     3
Name: companyShortName, dtype: int64

下面用Pandas画一下直方图。

plt.figure(figsize=(10,5))
companyShortName_Series_3.plot.bar()
plt.show()

具体职位

数据开发

下面我具体看下“数据开发”对应的职位。

dba = df.loc[df['secondType'] == '数据开发']

dba

人工智能

下面看下“人工智能”对应的职位。

ai = df.loc[df['secondType'] == '人工智能']

ai

后端开发

下面看下“后端开发”对应的职位。

rd = df.loc[df['secondType'] == '后端开发']

rd

测试

下面看下“测试”对应的职位。

qa = df.loc[df['secondType'] == '测试']

qa

拉勾网`Python职位`分析相关推荐

1. python爬取拉勾网给定关键词职位信息存入数据库_Python 爬取拉勾网python职位信息...

   今天的任务是爬取拉勾网的职位信息. 首先,我们进入拉勾网,然后在职位搜索栏搜索Python 的同时,打开控制面板F12,来查看网页构成. 在XHR里,可以清楚的看见Ajax请求,所以需要使用sessi ...

2. 初级选手数据分析——Python职位数据分析全链路

   目录 0. 数据采集 1. 数据清洗 1.0 筛选python相关的职位 1.1 按照创建时间清洗异常值 1.2 按照薪资清洗异常值 2. 统计分析 2.0 大盘数据 2.1 单维度分析 2.1 二维 ...

3. python数据分析工资_拉勾网爬取全国python职位并数据分析薪资，工作经验，学历等信息...

   确定网页的加载方式是JavaScript加载 通过谷歌浏览器开发者工具分析和寻找网页的真实请求,确定真实数据在position.Ajax开头的链接里,请求方式是POST 使用requests的post ...

4. 基于Python的拉勾网Python工程师招聘信息的爬取和处理分析

   目录 一.项目简介 1.项目完成的功能 2.项目完成的特色 3.项目采用的技术栈 二.项目的需求分析 1.项目的功能需求分析 2.项目的非功能需求分析 系统性能需求 系统观感需求(界面需求) 三.项目 ...

5. 借问钱程何处有，牧童劝我学Python——2019python职位分析

   欢迎关注,敬请点赞! 借问钱程何处有--2019python职位分析 加载并探索数据 基本信息: 不同学历职位分布 按学历规约 按学历规约后 饼图 小节 不同学历薪资待遇 最低薪资 最高薪资 按不同学 ...

6. Python数据采集分析告诉你为何上海二手房你都买不起

   感谢关注Python爱好者社区公众号,在这里,我们会每天向您推送Python相关的文章实战干货. 来吧,一起Python. 对商业智能BI.大数据分析挖掘.机器学习,python,R等数据领域感兴趣的 ...

7. python爬虫教程：Scrapy框架爬取Boss直聘网Python职位信息的源码

   今天小编就为大家分享一篇关于Scrapy框架爬取Boss直聘网Python职位信息的源码,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧 分析 使用Crawl ...

8. Scrapy框架爬取Boss直聘网Python职位信息的源码

   分析 使用CrawlSpider结合LinkExtractor和Rule爬取网页信息 LinkExtractor用于定义链接提取规则,一般使用allow参数即可 LinkExtractor(allow ...

9. Scrapy框架学习 - 爬取Boss直聘网Python职位信息

   分析 使用CrawlSpider结合LinkExtractor和Rule爬取网页信息 LinkExtractor用于定义链接提取规则,一般使用allow参数即可 LinkExtractor(allow ...

最新文章

1. 2021年夏季学期“清华大学大数据能力提升项目” 招募《大数据实践课》企业合作项目...
2. java递归深度克隆_递归方法实现深度克隆原理：遍历对象、数组直到里边都是基本数据类型，然后再去复制，就是深度拷贝。...
3. 大学c语言课程及答案,某大学《C语言程序设计》课程考试试卷（含答案）.doc
4. JavaScript正则式练习
5. Python简单监控键盘输入的木马实现
6. 《弃子长安》第十六章 道阳心经
7. PPT到WORD的组合图片复制
8. upnp 文件服务器,upnp服务器
9. Java从数据库中读取Blob对象图片并显示的方法
10. java 压缩pdf_java实现文件的压缩和解压
11. 孟岩所说的革命到底是什么？
12. 深度deep Linux系统软件应用商店下载地址
13. 欺骗的艺术——第二部分（1）
14. SMBIOS读取本机的MEMORY信息
15. 哪些靠谱的方法能在十年内赚 3000 万？
16. android9壁纸存放路径,Android基础入门教程——10.9 WallpaperManager(壁纸管理器)
17. Object 转Map，Map转Object方式总结
18. Bootstrap 学习之 (一) ------ 网格系统
19. 离散数学学习笔记-02-对偶和范式
20. 关于印发《注册测绘师执业管理办法（试行）》的通知

热门文章

1. Ubuntu新旧版本下载地址
2. ngui 教程一 转载自：雨松MOMO程序研究院
3. 巴比特 | 元宇宙每日必读：“国产VR之光”PICO正式出海，首发避战Meta，业内人士认为，此为缓兵之计，两者终有一战...
4. 数字孪生技术在自动驾驶测试领域的应用研究概述
5. 不安分的 Go 强势入侵前端，后端难道要抢前端饭碗了？
6. [网络安全技术文章之其一] 给数据科学家的十条数据安全建议
7. HTML标签练习（二）
8. jquery显示隐藏元素
9. i58400升级可以换什么cpu_为什么明星经常换发型发质还那么好？只要学会这一点，你也可以...
10. 在这个云时代，如何选择性价比更高的云服务器