Boss 直聘数据岗招聘信息分析（二）

最新推荐文章于 2024-07-10 20:48:29 发布
最新推荐文章于 2024-07-10 20:48:29 发布
阅读量2.1k 收藏 30
点赞数 2
分类专栏： Python学习 文章标签： 数据分析 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_34454863/article/details/100638455
版权
通过对Boss直聘的数据岗招聘信息分析，发现重庆地区数据岗学历要求普遍较低，本科占比59%，学历与薪资关系显示本科学历岗位薪资更集中、稳定。工作经验、工作技能要求、薪资待遇和公司福利的可视化揭示了影响薪资的关键因素。
摘要由CSDN通过智能技术生成

数据分析思路

项目背景

上一篇爬取Boss数据直聘数据后，我们可以试着对这些数据进行分析并整理一些结论出来。我们的大致步骤如下：

  1. 清洗整理
  2. 确定分析目的与思路
  3. 进行数据分析
  4. 得出数据分析结论

分析思路

  1. 数据岗位基本就业情况：学历要求、工作经验要求、工作技能要求、薪资待遇、公司福利
    1. 学历要求：饼状图，学历要求的占比
    2. 工作经验要求：饼状图
    3. 工作技能要求：词云
    4. 薪资待遇：条形图
    5. 公司福利：词云，降序
    6. 工作经验要求：饼状图
    7. 工作技能要求：词云
    8. 薪资待遇：条形图
    9. 公司福利：词云，降序
  2. 了解影响薪资的关键因素，确定学习路线与技能树并进入合适公司做准备
    1. 学历与薪资散点图
    2. 工作经验要求与薪资散点图
    3. 工作技能要求 Top10 与薪资散点图
    4. 公司福利 Top10 与薪资散点图

代码与数据可视化

本次代码及数据可视化以 jupyter notebook 环境呈现。

  1. 读入Mongo数据并存入list中

最低0.47元/天 解锁文章
28 | Boss直聘数据分析
微信号：RunsenLiu
08-11 1182
根据统计，在boss直聘上爬取的岗位的学历要求，以本科为主，但是不同岗位的比例不同。在我看来，学历要求占比，可能在某种程度上反应了，当前社会上的学历占比，我们发现本科生还是占大多数的，所以本科毕业就就业的压力还是很大的，更体现了，如果有能力读研还是要继续深造的好，毕竟硕士只有百分之10的占比。需要根据岗位名称提取出对应的岗位类别，并且将工资的单位变成“元”，并且将最低工资，最高工资分开，如果类似一年14薪这种，需要将每个月的工资乘相对应的比例，换算成一年12薪，方便我们计算（虽然税钱会增高）。
批量爬取招聘网站【Boss直聘】上工作岗位的招聘信息
阿黎逸阳的博客
03-31 988
爬取boss直聘上的工作岗位信息
Boss直聘招聘数据分析-202104月版
sinat_32651363的博客
04-11 7246
西安boss直聘4月招聘信息分析 关于boss直聘数据采集可查看另一篇文章《Boss直聘数据采集及分析》     金三银四，一年里比较火热的招聘季即将结束，那么西安软件开发行业截止目前还剩余的招聘岗位都还有哪些呢，近期在查看boss站点的时候就顺手采集了一波数据，刚好在研究BI报表，那就顺带分析一下最近西安软件市场招聘情况。 本次分析主要采集了：“Python”、“JAVA”、“数据分析”、“大数据”、“ETL”,后面也会从这5大招聘岗位、整体招聘情况6个部分展开分析
浅对boss直聘上广州的数据分析岗位发布情况进行分析
hjjun07的博客
04-12 1372
这样我们就把【薪资上限待清洗】里面的字母和文字清理干净了，然后我们就可以创建计算字段来处理薪资下限和上限的问题，由前面的数据我们知道，有些公司它的薪资是按每小时多少元发的有些则是按月发的，我们需要做的是把它们统一改为按月发多少K。接下来我们再把【薪资范围待清洗2】里面的薪资单位取出来，点击创建计算字段，把计算1改为“薪资单位”，然后在里面写RIGHT([薪资范围待清洗2],1)，代码的意思是得到【薪资范围待清洗】右边的第一个字。然后再重新命名这两个字段，分别为【薪资范围待清洗2】和【发放频率】。
BOSS直聘上数据分析岗位的薪资分析
机器学习、深度学习、文本分类、异常检测、风控等知识的积累和分享
12-25 1800
昨天-2023年12月24日抽空爬取了一下BOSS直聘上base北京的数据分析岗位的相关数据，本文简单分析拿给大家做参考，该说不说、在现在的大环境下数据分析薪资还是高的呀。 在PC端上打开BOSS直聘网页搜索数据分析，只会显示10页岗位（每页30条），所以我按照工作经验要求对应届生、 1年以内、 1-3年、 3-5年、 5-10年、 10年以上分别爬了10页数据，总共1800条。
BOSS招聘中数据分析岗位分析
最新发布
qq_42863025的博客
07-10 1692
data=data[data['职位'].str.contains('数据分析',na=True)&~data['职位'].str.contains('兼职',na=True)&~data['职位'].str.contains('实习',na=True)]#筛选数据分析且不包含兼职的岗位。data['s_mean']=(data['s_max']+data['s_min'])/2#计算平均薪资。data['s_min']=data['薪资'].str.extract('(\d+)')#取出最低薪资。
Boss直聘招聘数据分析岗位小分析
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
01-04 3939
        嗨喽! 大家好，我是“流水不争先，争得滔滔不绝”的翀，欢迎大家来交流学习，一起入坑数据分析，希望我们一起好好学习，天天向上，目前在社会毒打中~~ 前言 完整数据包括一些简单的分析,做得很简单,因为累了要睡了 详细文档与数据下载超链接 import pandas as pd import matplotlib.pyplot as plt import jieba from collections import Counter import pan.
Boss 直聘数据岗招聘信息爬取（一）
Earl
09-08 2557
爬取思路 由于Boss直聘搜索职位不需要登陆，所以不涉及模拟登陆、cookies的问题，但是由于他会对同一时间访问过于频繁的ip进行验证，故而需要使用ip池。 整理思路大致如下： 1.使用ip池ip，boss首页搜索关键词，得到职位列表 2.根据职位列表中的url，分别爬取每个职位的详细数据 3.将爬取信息保存在mongo数据库内 网页代码分析 首先进入Boss直聘官网，搜索关键词“数据”，如图所...
Boss直聘数据采集及分析
sinat_32651363的博客
05-29 8149
Boss直聘数据采集及分析 我主要采集了Boss web端西安5月Python招聘情况，后面会在代码注释中进行解释 采集中碰到的问题参考，也许你也会遇到 采集 问题点 为了绕过boss直聘网站对selenium的检测需要做以下初始化工作： 首先开启：chrome.exe --remote-debugging-port=9222 --user-data-dir="C:\selenum\AutomationProfile"；这句话在你的谷歌浏览器可执行文件夹运行，会在你的C:\selenum...
基于Python的BOSS直聘Python岗位数据分析
热门推荐
Alan的博客
05-14 1万+
数据爬取的代码 #encoding='utf-8' from selenium import webdriver import time import re import pandas as pd import os def close_windows(): #如果有登录弹窗，就关闭 try: time.sleep(0.5) if dr.find_element_by_class_name("jconfirm").find_element_by_class_
毕业设计（Boss直聘岗位数据分析）
06-18
​ 该项目一共分为三个子任务完成，数据采集—数据预处理—数据分析/可视化。 ​ 爬取 Boss直聘热门城市岗位数据，并将数据以 CSV 文件格式进行保存。如下图所示： 爬取到的数据出现了大量的脏数据和高耦合的数据。我们需要对这些脏数据进行清洗与预处理后才能正常使用。最后使用 python + sql 脚本的方式对数据进行多维度分析，并使用 Pyecharts 工具进行数据可视化。整个分析可视化通过轻量化 WEB 框架 Flask 来进行部署。
项目来源：选用boss直聘网站的数据分析职位的招聘数据
10-07
项目介绍 该项目选用了和鲸社区关于数据分析岗位的数据集来进行分析。项目主要使用“job.csv”文件作为数据源，其中数据文件的主要栏位有职位、城市、公司、薪资、学历、工作经验、行业标签。其中本项目所使用的可计算的栏位为最低薪资、最高薪资、平均薪资、奖金率。 本项目所使用的可分类的栏位为职位、城市、学历、工作经验、行业标签。通过对数据进行清洗重塑和分析，再使用plotly等工具进行绘图，实现图表的交互式数据可视化，最后使用flask框架（利用了bootstrap）进行网页上的可视化展示。最后展示了关于数据分析岗位的人才需求分布情况、薪资情况以及发展前景。 项目来源：选用boss直聘网站的数据分析职位的招聘数据 数据结果总结 通过以上分析，可以发现，如果要成功进入数据分析行业，应该往北上广深行这几个城市考虑，这些城市的薪资水平高。 而行业方面应该着眼于互联网及电子商务等新兴行业，这些行业对该岗位的需求都比较大，而且薪资水平也普遍高。 该岗位对学历的门槛并不是很高，从市场需求来看，要求硕士的较少，而博士则是凤毛麟角。本科是一个分水岭。是否是本科，对薪资水平的影响还是很大的 不过这也从侧面反映了社会上学历的分布状况，本科生及大专生占绝对多数。 虽然市场需求量大，但是本科生就业压力也很大 工作经验对于该岗位而言非常重要，能否成功进入数据分析行业的关键门槛在于是否有工作经验，与薪资水平呈正相关。 而成功进入数据分析行业以后，只有在迈过3年这个坎，才会有比较大的突破。
boss直聘数据分析最新职位表
10-28
最新数据分析职位表详细信息，数据专员，风控策略高级分析师，数据分析经理等职位，广州市内，共165条信息！
2024最新boss直聘岗位数据爬虫，并进行可视化分析
weixin_44765053的博客
06-30 2247
通过以上步骤，我们成功地使用DrissionPage实现了从BOSS直聘爬取岗位数据，并进行了基本的数据清洗和可视化分析。这为我们进一步的深入分析和研究提供了基础数据。希望本文能对读者有所帮助，并激发您在数据科学和爬虫技术方面的兴趣。以上对您有帮助的话麻烦三连哦~t=N7T8BOSS直聘https://www.zhipin.com/web/geek/job?
python实战项目27：boss直聘招聘数据可视化分析
lyccomcn的博客
06-26 524
这里主要对薪水列进行处理，为方便处理，将日薪和周薪的数据删除，将带有13薪和14薪的数据也删除，计算出最低薪资、最高薪资和平均薪资三列。
探索未来职场趋势：Boss直聘岗位数据分析
gitblog_00074的博客
06-09 453
探索未来职场趋势：Boss直聘岗位数据分析 去发现同类优质开源项目:https://gitcode.com/ 在这个快速变化的时代，掌握市场动态是职业规划的关键。为此，我们向您推荐一个强大的开源项目——Boss直聘岗位数据分析。这个项目通过爬取Boss直聘网站上的数据，为您揭示热门城市的就业市场状况，帮助求职者或在校学生更好地了解当前人才需求和行业趋势。 项目介绍 Boss直聘岗位数据分析项目旨在...
爬虫之Boss直聘 招聘数据采集（zp_stoken参数逆向分析JSRPC）
weixin_62853513的博客
12-07 2883
大家早好、午好、晚好吖 ❤ ~欢迎光临本文章如果有什么疑惑/资料需要的可以点击文章末尾名片领取源码python 3.8 解释器: 执行代码的pycharm 专业版: 写代码的 帮助我们 快速开发代码的sekiro >>> RPC框架。
爬取boss直聘数据并分析
weixin_55018995的博客
05-16 9163
爬取boss直聘数据并进行分析 1. 爬取boss直聘数据 因为高匿的代理IP要钱，所以小编只能通过增大时间间隔并利用selenium自动化库模拟人自然浏览网站来爬取数，最终获得北京，上海，杭州，广州，深圳，长沙城市招聘3-5年工作经验的数据分析师，数据挖掘师，数据架构师，Al工程师的信息，保存文件为大数据招聘信息.xls.（最好利用手机热点的ip地址来进行爬取，因为就算封了ip，将手机重启ip地址会改变，可以重复爬取） from selenium import webdriver #自动打开网页获取
数据开源 - Boss直聘、拉勾网岗位和招聘信息数据
jtahstu的专栏
12-22 1106
数据开源 - Boss直聘、拉勾网岗位和招聘信息数据 OS：MacBook Pro , macOS High Sierra 10.13.2 Database：MongoDB v3.4.7 Mongo可视化工具：NoSQLBooster for MongoDB v4.2.0 数据都是用MongoBooster导出来的，如果用不了，可以先试试这个软件。Boss直聘 - PHP岗位和详细招
Python+Selenium打造BOSS直聘Python岗位数据分析系统
第二章涉及BOSS直聘平台和相关技术的基础知识，包括BOSS直聘作为热门招聘网站的角色，以及Selenium的基本概念。Selenium是一个用于Web应用程序自动化测试的工具，能够模拟用户行为以获取网页数据。同时，论文也简述...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值