python招聘現狀，python求職網站_Python 求職 Top10 城市，來看看是否有你所在的城市

前言

從智聯招聘爬取相關信息后，我們關心的是如何對內容進行分析，獲取有用的信息。

本次以上篇文章“5分鐘掌握智聯招聘網站爬取并保存到MongoDB數據庫”中爬取的數據為基礎，分析關鍵詞為“python”的爬取數據的情況，獲取包括全國python招聘數量Top10的城市列表以及其他相關信息。

一、主要分析步驟數據讀取

數據整理

對職位數量在全國主要城市的分布情況進行分析

對全國范圍內的職位月薪情況進行分析

對該職位招聘崗位要求描述進行詞云圖分析，獲取頻率最高的關鍵字

選取兩個城市，分別分析月薪分布情況以及招聘要求的詞云圖分析

二、具體分析過程

import pymongo

import pandas as pd

import matplotlib.pyplot as plt

import numpy as np

% matplotlib inline

plt.style.use('ggplot')

# 解決matplotlib顯示中文問題

plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默認字體

plt.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題

1.讀取數據

client = pymongo.MongoClient('localhost')

db = client['zhilian']

table = db['python']

columns = ['zwmc',

'gsmc',

'zwyx',

'gbsj',

'gzdd',

'fkl',

'brief',

'zw_link',

'_id',

'save_date']

# url_set = set([records['zw_link'] for records in table.find()])

# print(url_set)

df = pd.DataFrame([records for records in table.find()], columns=columns)

# columns_update = ['職位名稱',

# '公司名稱',

# '職位月薪',

# '公布時間',

# '工作地點',

# '反饋率',

# '招聘簡介',

# '網頁鏈接',

# '_id',

# '信息保存日期']

# df.columns = columns_update

print('總行數為：{}行'.format(df.shape[0]))

df.head(2)

結果如圖1所示：

2.數據整理

2.1 將str格式的日期變為 datatime

df['save_date'] = pd.to_datetime(df['save_date'])

print(df['save_date'].dtype)

# df['save_date']

datetime64[ns]

2.2 篩選月薪格式為“XXXX-XXXX”的信息

df_clean = df[['zwmc',

'gsmc',

'zwyx',

'gbsj',

'gzdd',

'fkl',

'brief',

'zw_link',

'save_date']]

# 對月薪的數據進行篩選，選取格式為“XXXX-XXXX”的信息，方面后續分析

df_clean = df_clean[df_clean['zwyx'].str.contains('\d+-\d+', regex=True)]

print('總行數為：{}行'.format(df_clean.shape[0]))

# df_clean.head()

總行數為：22605行

2.3 分割月薪字段，分別獲取月薪的下限值和上限值

# http://stackoverflow.com/questions/14745022/pandas-dataframe-how-do-i-split-a-column-into-two

# http://stackoverflow.com/questions/20602947/append-column-to-pandas-dataframe

# df_temp.loc[: ,'zwyx_min'],df_temp.loc[: , 'zwyx_max'] = df_temp.loc[: , 'zwyx'].str.split('-',1).str #會有警告

s_min, s_max = df_clean.loc[: , 'zwyx'].str.split('-',1).str

df_min = pd.DataFrame(s_min)

df_min.columns = ['zwyx_min']

df_max = pd.DataFrame(s_max)

df_max.columns = ['zwyx_max']

df_clean_concat = pd.concat([df_clean, df_min, df_max], axis=1)

# df_clean['zwyx_min'].astype(int)

df_clean_concat['zwyx_min'] = pd.to_numeric(df_clean_concat['zwyx_min'])

df_clean_concat['zwyx_max'] = pd.to_numeric(df_clean_concat['zwyx_max'])

# print(df_clean['zwyx_min'].dtype)

print(df_clean_concat.dtypes)

df_clean_concat.head(2)

運行結果如圖2所示：將數據信息按職位月薪進行排序

df_clean_concat.sort_values('zwyx_min',inplace=True)

# df_clean_concat.tail()判斷爬取的數據是否有重復值

# 判斷爬取的數據是否有重復值

print(df_clean_concat[df_clean_concat.duplicated('zw_link')==True])

Empty DataFrame

Columns: [zwmc, gsmc, zwyx, gbsj, gzdd, fkl, brief, zw_link, save_date, zwyx_min, zwyx_max]

Index: []從上述結果可看出，數據是沒有重復的。

3.對全國范圍內的職位進行分析

3.1 主要城市的招聘職位數量分布情況

# from IPython.core.display import display, HTML

ADDRESS = [ '北京', '上海', '廣州', '深圳',

'天津', '武漢', '西安', '成都', '大連',

'長春', '沈陽', '南京', '濟南', '青島',

'杭州', '蘇州', '無錫', '寧波', '重慶',

'鄭州', '長沙', '福州', '廈門', '哈爾濱',

'石家莊', '合肥', '惠州', '太原', '昆明',

'煙臺', '佛山', '南昌', '貴陽', '南寧']

df_city = df_clean_concat.copy()

# 由于工作地點的寫上，比如北京，包含許多地址為北京-朝陽區等

# 可以用替換的方式進行整理，這里用pandas的replace()方法

for city in ADDRESS:

df_city['gzdd'] = df_city['gzdd'].replace([(city+'.*')],[city],regex=True)

# 針對全國主要城市進行分析

df_city_main = df_city[df_city['gzdd'].isin(ADDRESS)]

df_city_main_count = df_city_main.groupby('gzdd')['zwmc','gsmc'].count()

df_city_main_count['gsmc'] = df_city_main_count['gsmc']/(df_city_main_count['gsmc'].sum())

df_city_main_count.columns = ['number', 'percentage']

# 按職位數量進行排序

df_city_main_count.sort_values(by='number', ascending=False, inplace=True)

# 添加輔助列，標注城市和百分比，方面在后續繪圖時使用

df_city_main_count['label']=df_city_main_count.index+ ' '+ ((df_city_main_count['percentage']*100).round()).astype('int').astype('str')+'%'

print(type(df_city_main_count))

# 職位數量最多的Top10城市的列表

print(df_city_main_count.head(10))

number percentage label

gzdd

北京 6936 0.315948 北京 32%

上海 3213 0.146358 上海 15%

深圳 1908 0.086913 深圳 9%

成都 1290 0.058762 成都 6%

杭州 1174 0.053478 杭州 5%

廣州 1167 0.053159 廣州 5%

南京 826 0.037626 南京 4%

鄭州 741 0.033754 鄭州 3%

武漢 552 0.025145 武漢 3%

西安 473 0.021546 西安 2%對結果進行繪圖：

ffrom matplotlib import cm

label = df_city_main_count['label']

sizes = df_city_main_count['number']

# 設置繪圖區域大小

fig, axes = plt.subplots(figsize=(10,6),ncols=2)

ax1, ax2 = axes.ravel()

colors = cm.PiYG(np.arange(len(sizes))/len(sizes)) # colormaps: Paired, autumn, rainbow, gray,spring,Darks

# 由于城市數量太多，餅圖中不顯示labels和百分比

patches, texts = ax1.pie(sizes,labels=None, shadow=False, startangle=0, colors=colors)

ax1.axis('equal')

ax1.set_title('職位數量分布', loc='center')

# ax2 只顯示圖例（legend）

ax2.axis('off')

ax2.legend(patches, label, loc='center left', fontsize=9)

plt.savefig('job_distribute.jpg')

plt.show()

運行結果如下述餅圖所示：

3.2 月薪分布情況（全國）

from matplotlib.ticker import FormatStrFormatter

fig, (ax1, ax2) = plt.subplots(figsize=(10,8), nrows=2)

x_pos = list(range(df_clean_concat.shape[0]))

y1 = df_clean_concat['zwyx_min']

ax1.plot(x_pos, y1)

ax1.set_title('Trend of min monthly salary in China', size=14)

ax1.set_xticklabels('')

ax1.set_ylabel('min monthly salary(RMB)')

bins = [3000,6000, 9000, 12000, 15000, 18000, 21000, 24000, 100000]

counts, bins, patches = ax2.hist(y1, bins, normed=1, histtype='bar', facecolor='g', rwidth=0.8)

ax2.set_title('Hist of min monthly salary in China', size=14)

ax2.set_yticklabels('')

# ax2.set_xlabel('min monthly salary(RMB)')

# http://stackoverflow.com/questions/6352740/matplotlib-label-each-bin

ax2.set_xticks(bins) #將bins設置為xticks

ax2.set_xticklabels(bins, rotation=-90) # 設置為xticklabels的方向

# Label the raw counts and the percentages below the x-axis...

bin_centers = 0.5 * np.diff(bins) + bins[:-1]

for count, x in zip(counts, bin_centers):

# # Label the raw counts

# ax2.annotate(str(count), xy=(x, 0), xycoords=('data', 'axes fraction'),

# xytext=(0, -70), textcoords='offset points', va='top', ha='center', rotation=-90)

# Label the percentages

percent = '%0.0f%%' % (100 * float(count) / counts.sum())

ax2.annotate(percent, xy=(x, 0), xycoords=('data', 'axes fraction'),

xytext=(0, -40), textcoords='offset points', va='top', ha='center', rotation=-90, color='b', size=14)

fig.savefig('salary_quanguo_min.jpg')

運行結果如下述圖所示：

不考慮部分極值后，分析月薪分布情況

df_zwyx_adjust = df_clean_concat[df_clean_concat['zwyx_min']<=20000]

fig, (ax1, ax2) = plt.subplots(figsize=(10,8), nrows=2)

x_pos = list(range(df_zwyx_adjust.shape[0]))

y1 = df_zwyx_adjust['zwyx_min']

ax1.plot(x_pos, y1)

ax1.set_title('Trend of min monthly salary in China (adjust)', size=14)

ax1.set_xticklabels('')

ax1.set_ylabel('min monthly salary(RMB)')

bins = [3000,6000, 9000, 12000, 15000, 18000, 21000]

counts, bins, patches = ax2.hist(y1, bins, normed=1, histtype='bar', facecolor='g', rwidth=0.8)

ax2.set_title('Hist of min monthly salary in China (adjust)', size=14)

ax2.set_yticklabels('')

# ax2.set_xlabel('min monthly salary(RMB)')

# http://stackoverflow.com/questions/6352740/matplotlib-label-each-bin

ax2.set_xticks(bins) #將bins設置為xticks

ax2.set_xticklabels(bins, rotation=-90) # 設置為xticklabels的方向

# Label the raw counts and the percentages below the x-axis...

bin_centers = 0.5 * np.diff(bins) + bins[:-1]

for count, x in zip(counts, bin_centers):

# # Label the raw counts

# ax2.annotate(str(count), xy=(x, 0), xycoords=('data', 'axes fraction'),

# xytext=(0, -70), textcoords='offset points', va='top', ha='center', rotation=-90)

# Label the percentages

percent = '%0.0f%%' % (100 * float(count) / counts.sum())

ax2.annotate(percent, xy=(x, 0), xycoords=('data', 'axes fraction'),

xytext=(0, -40), textcoords='offset points', va='top', ha='center', rotation=-90, color='b', size=14)

fig.savefig('salary_quanguo_min_adjust.jpg')

運行結果如下述圖所示：

3.3 相關技能要求

brief_list = list(df_clean_concat['brief'])

brief_str = ''.join(brief_list)

print(type(brief_str))

# print(brief_str)

# with open('brief_quanguo.txt', 'w', encoding='utf-8') as f:

# f.write(brief_str)

對獲取到的職位招聘要求進行詞云圖分析，代碼如下：

# -*- coding: utf-8 -*-

"""

Created on Wed May 17 2017

@author: lemon

"""

import jieba

from wordcloud import WordCloud, ImageColorGenerator

import matplotlib.pyplot as plt

import os

import PIL.Image as Image

import numpy as np

with open('brief_quanguo.txt', 'rb') as f: # 讀取文件內容

text = f.read()

f.close()

# 首先使用 jieba 中文分詞工具進行分詞

wordlist = jieba.cut(text, cut_all=False)

# cut_all, True為全模式，False為精確模式

wordlist_space_split = ' '.join(wordlist)

d = os.path.dirname(__file__)

alice_coloring = np.array(Image.open(os.path.join(d,'colors.png')))

my_wordcloud = WordCloud(background_color='#F0F8FF', max_words=100, mask=alice_coloring,

max_font_size=300, random_state=42).generate(wordlist_space_split)

image_colors = ImageColorGenerator(alice_coloring)

plt.show(my_wordcloud.recolor(color_func=image_colors))

plt.imshow(my_wordcloud) # 以圖片的形式顯示詞云

plt.axis('off') # 關閉坐標軸

plt.show()

my_wordcloud.to_file(os.path.join(d, 'brief_quanguo_colors_cloud.png'))

得到結果如下：

4.北京

4.1 月薪分布情況

df_beijing = df_clean_concat[df_clean_concat['gzdd'].str.contains('北京.*', regex=True)]

df_beijing.to_excel('zhilian_kw_python_bj.xlsx')

print('總行數為：{}行'.format(df_beijing.shape[0]))

# df_beijing.head()

總行數為：6936行

參考全國分析時的代碼，月薪分布情況圖如下：

4.2 相關技能要求

brief_list_bj = list(df_beijing['brief'])

brief_str_bj = ''.join(brief_list_bj)

print(type(brief_str_bj))

# print(brief_str_bj)

# with open('brief_beijing.txt', 'w', encoding='utf-8') as f:

# f.write(brief_str_bj)

詞云圖如下：

5.長沙

5.1 月薪分布情況

df_changsha = df_clean_concat[df_clean_concat['gzdd'].str.contains('長沙.*', regex=True)]

# df_changsha = pd.DataFrame(df_changsha, ignore_index=True)

df_changsha.to_excel('zhilian_kw_python_cs.xlsx')

print('總行數為：{}行'.format(df_changsha.shape[0]))

# df_changsha.tail()

總行數為：280行

參考全國分析時的代碼，月薪分布情況圖如下：

5.2 相關技能要求

brief_list_cs = list(df_changsha['brief'])

brief_str_cs = ''.join(brief_list_cs)

print(type(brief_str_cs))

# print(brief_str_cs)

# with open('brief_changsha.txt', 'w', encoding='utf-8') as f:

# f.write(brief_str_cs)

詞云圖如下：來源： 微信公號：Python數據之道

你想更深入了解學習Python知識體系，你可以看一下我們花費了一個多月整理了上百小時的幾百個知識點體系內容：