北上广深数据分析岗位的薪资对比

最新推荐文章于 2024-08-31 23:30:30 发布

Python风控模型与数据分析

最新推荐文章于 2024-08-31 23:30:30 发布

阅读量404

点赞数 4

文章标签：数据分析数据挖掘人工智能

本文链接：https://blog.csdn.net/a7303349/article/details/136158269

版权

之前跟大家分享过BOSS直聘上base北京的数据分析职位薪资数据分析，这次爬了北上广深四个城市的数据分析职位数据，本文简单对比分析拿给大家做参考。

一、数据介绍及预处理

1、数据介绍

数据包括职位名称、base地点、薪资水平、经验及学历要求、招聘公司、行业、融资阶段、员工规模等文末获取数据集

2、数据预处理

（1）数据筛选

由于BOSS直聘上搜索数据分析岗位的结果中，包含一些数据开发、需求分析等其他岗位，因此按照岗位名称是否包含数据分析/商业分析来做筛选

（2）数据分割提取

在job_area中包括市、行政区、乡镇三级地址，tag_list中包含经验要求、学历要求，company_tag_list中包含行业、融资阶段、员工规模，所以结合split方法、正则表达式分别进行数据提取。

import re
def get_industry(string):
    try:
        result=re.findall('(.*?)[0-9].*[0-9].*',string)[0]
        l=['已上市','不需要融资','未融资','天使轮','A轮','B轮','C轮','D轮及以上']
        for s in l:
            result=result.replace(s,'')
        return result
    except:
        return None

def get_scale(string):
    try:
        result=re.findall('([0-9].*[0-9].*)',string)[0]
        l=['已上市','不需要融资','未融资','天使轮','A轮','B轮','C轮','D轮及以上']
        for s in l:
            if s in result:
                result=result.split(s)[1]
        return result
    except:
        return None
    
def data_pred(data):
    df=data[data.job_name.str.contains('数据分析')|data.job_name.str.contains('商业分析')|data.job_name.str.lower().str.contains('bi')].reset_index(drop=True).copy()
    df=df[~df.salary.str.contains('时')][~df.salary.str.contains('周')].reset_index(drop=True).copy()
    df['district']=df.job_area.str.split('·').str[1]
    df['town']=df.job_area.str.split('·').str[2]
    
    df['experience']=df.tag_list.str.split('\\n').str[0]
    df['education']=df.tag_list.str.split('\\n').str[1]
    
    df['industry']=df.company_tag_list.apply(get_industry)
#     df['scale']=df.company_tag_list.apply(lambda x:re.findall('([0-9].*[0-9].*)',x)).str[0]
    df['scale']=df.company_tag_list.apply(get_scale)
    
    df['base_salary']=df.salary.str.split('-').str[0]
    df.base_salary=df.base_salary.astype(float)
    df.loc[df.salary.str.contains('元/月'),'base_salary']=df.base_salary/1000  # 标准化工资单位为k
    return df

（3）薪资数据处理

考虑到薪资待遇下限更贴近实际，因此提取左边界作为base_salary用于分析，此外发现大部分salary单位是k、但是还有部分为元，所以进行标准化处理、统一为k，对于部分时薪、周薪的兼职岗位直接剔除。