前言

上回說到我們如何把拉勾的數據抓取下來的，既然獲取了數據，就別放著不動，把它拿出來分析一下，看看這些數據里面都包含了什么信息。

下面話不多說了，來一起看看詳細的介紹吧

一、前期準備

由于上次抓的數據里面包含有 ID 這樣的信息，我們需要將它去掉，并且查看描述性統計，確認是否存在異常值或者確實值。

read_file = "analyst.csv"

# 讀取文件獲得數據

data = pd.read_csv(read_file, encoding="gbk")

# 去除數據中無關的列

data = data[:].drop(['ID'], axis=1)

# 描述性統計

data.describe()

結果中的 unique 表示的是在該屬性列下面存在的不同值個數，以學歷要求為例子，它包含【本科、大專、碩士、不限】這4個不同的值，top 則表示數量最多的值為【本科】，freq 表示出現的頻率為 387。由于薪資的 unique 比較多，我們查看一下存在什么值。

print(data['學歷要求'].unique())

print(data['工作經驗'].unique())

print(data['薪資'].unique())

二、預處理

從上述兩張圖可以看到，學歷要求和工作經驗的值比較少且沒有缺失值與異常值，可以直接進行分析；但薪資的分布比較多，總計有75種，為了更好地進行分析，我們要對薪資做一個預處理。根據其分布情況，可以將它分成【5k 以下、5k-10k、10k-20k、20k-30k、30k-40k、40k 以上】，為了更加方便我們分析，取每個薪資范圍的中位數，并劃分到我們指定的范圍內。

# 對薪資進行預處理

def pre_salary(data):

salarys = data['薪資'].values

salary_dic = {}

for salary in salarys:

# 根據'-'進行分割并去掉'k',分別將兩端的值轉換成整數

min_sa = int(salary.split('-')[0][:-1])

max_sa = int(salary.split('-')[1][:-1])

# 求中位數

median_sa = (min_sa + max_sa) / 2

# 判斷其值并劃分到指定范圍

if median_sa < 5:

salary_dic[u'5k以下'] = salary_dic.get(u'5k以下', 0) + 1

elif median_sa > 5 and median_sa < 10:

salary_dic[u'5k-10k'] = salary_dic.get(u'5k-10k', 0) + 1

elif median_sa > 10 and median_sa < 20:

salary_dic[u'10k-20k'] = salary_dic.get(u'10k-20k', 0) + 1

elif median_sa > 20 and median_sa < 30:

salary_dic[u'20k-30k'] = salary_dic.get(u'20k-30k', 0) + 1

elif median_sa > 30 and median_sa < 40:

salary_dic[u'30k-40k'] = salary_dic.get(u'30k-40k', 0) + 1

else:

salary_dic[u'40以上'] = salary_dic.get(u'40以上', 0) + 1

print(salary_dic)

return salary_dic

對【薪資】進行預處理之后，還要對【任職要求】的文本進行預處理。因為要做成詞云圖，需要對文本進行分割并去除掉一些出現頻率較多但沒有意義的詞，我們稱之為停用詞，所以我們用 jieba 庫進行處理。jieba 是一個python實現的分詞庫，對中文有著很強大的分詞能力。

import jieba

def cut_text(text):

stopwords =['熟悉','技術','職位','相關','工作','開發','使用','能力',

'優先','描述','任職','經驗','經驗者','具有','具備','以上','善于',

'一種','以及','一定','進行','能夠','我們']

for stopword in stopwords:

jieba.del_word(stopword)

words = jieba.lcut(text)

content = " ".join(words)

return content

預處理完成之后，就可以進行可視化分析了。

三、可視化分析

我們先繪制環狀圖和柱狀圖，然后將數據傳進去就行了，環狀圖的代碼如下：

def draw_pie(dic):

labels = []

count = []

for key, value in dic.items():

labels.append(key)

count.append(value)

fig, ax = plt.subplots(figsize=(8, 6), subplot_kw=dict(aspect="equal"))

# 繪制餅狀圖，wedgeprops 表示每個扇形的寬度

wedges, texts = ax.pie(count, wedgeprops=dict(width=0.5), startangle=0)

# 文本框設置

bbox_props = dict(boxstyle="square,pad=0.9", fc="w", ec="k", lw=0)

# 線與箭頭設置

kw = dict(xycoords='data', textcoords='data', arrowprops=dict(arrowstyle="-"),

bbox=bbox_props, zorder=0, va="center")

for i, p in enumerate(wedges):

ang = (p.theta2 - p.theta1)/2. + p.theta1

y = np.sin(np.deg2rad(ang))

x = np.cos(np.deg2rad(ang))

# 設置文本框在扇形的哪一側

horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]

# 用于設置箭頭的彎曲程度

connectionstyle = "angle,angleA=0,angleB={}".format(ang)

kw["arrowprops"].update({"connectionstyle": connectionstyle})

# annotate()用于對已繪制的圖形做標注，text是注釋文本，含 'xy' 的參數跟坐標點有關

text = labels[i] + ": " + str('%.2f' %((count[i])/sum(count)*100)) + "%"

ax.annotate(text, size=13, xy=(x, y), xytext=(1.35*np.sign(x), 1.4*y),

horizontalalignment=horizontalalignment, **kw)

plt.show()

柱狀圖的代碼如下：

def draw_workYear(data):

workyears = list(data[u'工作經驗'].values)

wy_dic = {}

labels = []

count = []

# 得到工作經驗對應的數目并保存到count中

for workyear in workyears:

wy_dic[workyear] = wy_dic.get(workyear, 0) + 1

print(wy_dic)

# wy_series = pd.Series(wy_dic)

# 分別得到 count 的 key 和 value

for key, value in wy_dic.items():

labels.append(key)

count.append(value)

# 生成 keys 個數的數組

x = np.arange(len(labels)) + 1

# 將 values 轉換成數組

y = np.array(count)

fig, axes = plt.subplots(figsize=(10, 8))

axes.bar(x, y, color="#1195d0")

plt.xticks(x, labels, size=13, rotation=0)

plt.xlabel(u'工作經驗', fontsize=15)

plt.ylabel(u'數量', fontsize=15)

# 根據坐標將數字標在圖中，ha、va 為對齊方式

for a, b in zip(x, y):

plt.text(a, b+1, '%.0f' % b, ha='center', va='bottom', fontsize=12)

plt.show()

我們再把學歷要求和薪資的數據稍微處理一下變成字典形式，傳進繪制好的環狀圖函數就行了。另外，我們還要對【任職要求】的文本進行可視化。

from wordcloud import WordCloud

# 繪制詞云圖

def draw_wordcloud(content):

wc = WordCloud(

font_path = 'c:\\Windows\Fonts\msyh.ttf',

background_color = 'white',

max_font_size=150, # 字體最大值

min_font_size=24, # 字體最小值

random_state=800, # 隨機數

collocations=False, # 避免重復單詞

width=1600,height=1200,margin=35, # 圖像寬高，字間距

)

wc.generate(content)

plt.figure(dpi=160) # 放大或縮小

plt.imshow(wc, interpolation='catrom',vmax=1000)

plt.axis("off") # 隱藏坐標

四、成果與總結

python數據分析師的學歷大部分要求是本科，占了86%。

從柱狀圖可以看出，python數據分析師的工作經驗絕大部分要求1-5年。

由此可以得出python數據分析的工資為10k-20k的比較多，40以上的也不少，工資高估計要求會比較高，所以我們看一下職位要求。

從詞云圖可看出，數據分析肯定要對數據比較敏感，并且對統計學、excel、python、數據挖掘、hadoop等也有一定的要求。不僅如此，還要求具有一定的抗壓能力、解決問題的能力、良好的表達能力、思維能力等。

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對腳本之家的支持。

總結

以上是生活随笔為你收集整理的python数据分析工资_python3对拉勾数据进行可视化分析的方法详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。