【62 Pandas+Pyecharts | 智联招聘大数据岗位数据分析可视化】

大家好，我是 👉 【Python当打之年(点击跳转)】

本期我们利用Python分析「智联招聘大数据岗位数据集」，看看：各招聘城市平均薪资分布、招聘岗位数量分布、岗位学历要求、岗位经验要求、不同学历不同工作经验平均薪资分布等等，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。

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 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('datas.xlsx')

2.2 数据信息

df.info()

2.3 数据去重

df = df.drop_duplicates()

2.4 薪资处理

def split_salary(salary, method):low_salary_1 = 0.0high_salary_1 = 0.0salary_t = salary.split('·')[0] if '-' in salary_t: low_salary = salary_t.split('-')[0]high_salary = salary_t.split('-')[1] if '万' in salary_t:low_salary_1 = float(low_salary) * 10000high_salary_1 = float(high_salary.replace('万','')) * 10000                     elif '元' in salary_t: low_salary_1 = float(low_salary)high_salary_1 = float(high_salary.replace('元',''))if method == 'low':returnint(low_salary_1)elif method == 'high':returnint(high_salary_1)

🏳️‍🌈 3. Pyecharts数据可视化

3.1 各城市平均薪资

def get_chart():chart = (Map(i).add('',data_pair=datas,maptype='china-cities',is_map_symbol_show=False,).set_global_opts(visualmap_opts=opts.VisualMapOpts(pos_left = '3%',pos_bottom='20%',range_color=range_color),legend_opts=opts.LegendOpts(is_show=False),title_opts=opts.TitleOpts(title="1-各城市平均薪资",subtitle=subtitle,pos_left='center', pos_top='2%',title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),))

• 东部地区平均薪资要明显高于中西部地区，沿海地区平均薪资更高。

3.2 岗位数量前20的城市

def get_chart():chart = (Bar().add_xaxis(x_data).add_yaxis('', y_data).set_global_opts( visualmap_opts=opts.VisualMapOpts(range_color=range_color),title_opts=opts.TitleOpts(title='2-岗位数量前20的城市',pos_top='2%',pos_left = 'center',title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),))

• 从招聘岗位上看上海、西安、成都、天津、重庆、武汉、北京、长沙、杭州、郑州等城市较其他城市更多。

3.3 岗位学历占比

• 本科学历要求占比最高，占比高达67%，其次是大专类约19%，硕士类约8%。

3.4 不同学历平均薪资

• 不同学历薪资方面来看，平均薪资和学历关系比较明显，博士平均薪资27K、硕士平均薪资16K、本科平均薪资13K。

3.5 岗位工作经验占比

def get_chart():chart = (Pie().add('',datas,radius=['40%', '70%'],).set_global_opts(title_opts=opts.TitleOpts(title="5-岗位工作经验占比",pos_top='2%',pos_left = 'center',title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),visualmap_opts=opts.VisualMapOpts(is_show=False,range_color=range_color),))

• 3-5年工作经验需求数量最多，占比约30%，其次是1-3年占比约25%，不限工作经验的岗位数量约占24%，和1-3年占比相当，5-10年工作经验的岗位也达到了15%。

3.6 不同工作经验平均薪资

• 不同工作经验平均薪资来看，工作经验和平均薪资基本呈正相关的关系，10年工作经验平均薪资30K，5-10年工作经验19K，3-5年工作经验13K。

3.7 不同行业平均薪资

• 从招聘行业薪资上看：汽车后市场、专用设备制造、新闻/出版、在线医疗、建材、人力资源服务、基金、船舶/航空/航天/火车制造、装饰装修、橡胶和塑料制品等行业的平均薪资相对较高。

3.8 不同企业类型数量

3.9 公司规模占比

3.10 岗位词云

def get_chart():chart = (WordCloud().add('',words,word_size_range=[20,50]).set_global_opts(title_opts=opts.TitleOpts(title='10-岗位词云',pos_top='2%', pos_left="center",title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),visualmap_opts=opts.VisualMapOpts(is_show=False,range_color=range_color)))

🏳️‍🌈 4. 可视化项目源码+数据

点击跳转：【全部可视化项目源码+数据】

---

以上就是本期为大家整理的全部内容了，赶快练习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。