拉勾網招聘信息分析

數據分析案例-拉勾網招聘信息

 

一、導入模塊配置中文

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

二、從csv中讀取爬取得數據

採集代碼：https://github.com/song-zhixue/lagou

data = pd.read_csv("./lagou_data.csv",sep = ',',encoding = 'gbk')
data.head()

三、進行數據清洗

這裏我只作了簡單得清洗就是去掉空值

1 2 3 4 5 6 7 8

-  去重 -  去空     -  1 刪除     -  2 替換     -  3 填充 -  去異常     -  1 非法數據  好比原本應該是數字列的中間夾雜着一些漢字或者是符號     -  2 異常數據  異乎尋常的大數值或者是小數值

data.isnull()
data.isnull().any() # 按照列統計空值，查看哪一列有空值

城市        False
公司全稱      False
企業編碼      False
公司簡介      False
公司logo    False
公司規模      False
發佈時間      False
區域         True
學歷        False
融資狀況      False
類型        False
工做性質      False
經度         True
緯度         True
地鐵         True
福利        False
職位名稱      False
薪資        False
工做年限      False
崗位        False
dtype: bool

data = data.dropna()  # 默認會刪除包含缺失值的行
data

四、根據城市招聘狀況繪製餅圖TOP10

data["城市"].value_counts()

北京     258
上海     149
深圳     136
廣州      54
成都      48
杭州      31
武漢      22
南京      12
重慶       7
蘇州       5
天津       4
石家莊      3
長沙       3
廈門       3
西安       2
鄭州       2
青島       2
大連       2
佛山       2
長春       1
貴陽       1
Name: 城市, dtype: int64

ret = data["城市"].value_counts().head(10).plot(kind='pie',autopct='%1.2f%%',figsize=(10,8))  # 取前10個結果進行繪圖
ret
plt.show

五、根據學歷繪製柱狀圖

data["學歷"].value_counts()

本科    613
大專     73
不限     50
碩士     11
Name: 學歷, dtype: int64

data["學歷"].value_counts().plot(kind='bar')
plt.xticks(rotation=0)

六、根據工做經驗繪製條形圖

data["工做年限"].value_counts()

3-5年     317
1-3年     193
5-10年     90
不限        79
應屆畢業生     62
1年如下       5
10年以上      1
Name: 工做年限, dtype: int64

data["工做年限"].value_counts().plot(kind='barh',color="orange")

 七、根據公司規模繪製餅圖和條形圖

data["公司規模"].value_counts()

150-500人     190
50-150人      181
15-50人       130
2000人以上      112
500-2000人    100
少於15人         34
Name: 公司規模, dtype: int64

data["公司規模"].value_counts().plot(kind='pie',autopct='%1.2f%%')

data["公司規模"].value_counts().plot(kind='barh',color="red")

 八、根據融資狀況繪製條形圖

data["融資狀況"].value_counts()

不須要融資    187
A輪       118
B輪       114
上市公司      96
未融資       88
天使輪       55
C輪        54
D輪及以上     35
Name: 融資狀況, dtype: int64

data["融資狀況"].value_counts().plot(kind='bar')
plt.xticks(rotation=45)

九、根據福利待遇繪製詞雲

# 利用結巴進行分詞
import jieba    
# 繪製詞雲
import wordcloud
# 自定義詞雲背景
from PIL import Image

data["福利"]
all_str = ''
for i in data["福利"]:
    all_str += i
# 利用jieba進行分詞
lis = jieba.lcut(all_str)

txt = " ".join(lis)
# mask = np.array(Image.open("./詞雲.jpg"))  # 自定義背景圖
w = wordcloud.WordCloud(
    font_path="msyh.ttc", 
    width=400, 
    height=400, 
    background_color="white",
#     colormap="Reds",
#     mask=mask,
#     contour_width=1,
#     contour_color="red"
)
w.generate(txt)
w.recolor()  # 隨機詞雲中的字體顏色
# w.to_file("福利.png") # 將詞雲保存在本地
w.to_image()   # 查看生成的詞雲

十、地圖可視化

利用地圖無憂進行地圖可視化：https://www.dituwuyou.com/

data[["經度","緯度"]]   # 取經度和緯度這兩列數據

data[["經度","緯度"]].to_csv("./地圖經緯度.csv",encoding="gbk")   # 導出csv用地圖無憂繪製地圖

導出到csv樣式

1 2 3

-  https: / / www.dituwuyou.com / orgs / 321267 / maps -  帳號：xxxxxx -  密碼：xxxxxx