Google招聘需求分析

coding: utf-8

Google招聘需求分析

Google是技术人员梦寐以求的工作圣地，想进入Google，需要什么样的条件？Google在哪些地区有招聘机会？我们一起探索。

这个项目中，我们将处理以csv文件格式存储的数据。数据为从https://careers.google.com/ 爬取的google招聘职位需求。

载入文件

我们尝试使用Pandas的read_csv载入数据，并查看前面的几行内容。

In[1]:

 

import pandas as pd

file = "./data/job_skills.csv"

df = pd.read_csv(file)

df.head()

1.读取数据.png

从天气数据样本中，我们可以看到数据的一些特征

• Company：公司名字，这里绝大部分是Google
• Title：工作头衔
• Category：职位类别
• Location：工作地点
• Responsibilities: 职责
• Minimum Qualifications：最低要求
• Preferred Qualifications：加分项

技能语言排名

尝试在Minimum Qualifications中，查找各编程语言出现的次数。

我们考察的语言包括python、java、c++、php、javascript、object-C、ruby、perl、c、c#、sql、swift、scala、r。

In[2]:

 

import re
# 定义语言列表
lang_list = ['python', 'java', 'c++', 'php', 'javascript', 'objective-c', 
             'ruby', 'perl', 'c', 'c#', 'sql', 'swift', 'scala', 'r']

# 定义统计函数，输入字符串，从中提取包含的‘python’、'java'等语言单词的次数
def lang_count(miniumum_qualifications_string, lang_dict):
    '''该函数被以下all_lang_count调用，统计lang_dict中已经有的key在miniumum_qualifications_string中出现的次数。
    
       输入：
           miniumum_qualifications_string：str类型，被查询的字符串（）
    '''
    # 从miniumum_qualifications_string中提取单词（可以参考Python正则表达式文档： https://docs.python.org/3/library/re.html）
    # 将如下re.sqlit中的第一个参数修改为正确的表达式，split 方法按照能够匹配的子串将字符串分割后返回列表
    """
        "+?"  重复1次或更多次，但尽可能少重复
        \.|  匹配文本中的“.”
        | |  匹配空格
        |\s| 匹配空白，即空格，tab
        |\n| 匹配换行
        |\/| 匹配斜杠
        |\r| 匹配回车
        |\(| 匹配左括号
        |\)  匹配右括号
        |\v| 匹配纵向制表符 |
    """
    for w in re.split(r'[\.| |,|;|\s|\n|\/|\r|\(|\)]+?', miniumum_qualifications_string):
        # 如果单词为lang_list中的某一种语言（注意单词大小写问题），将字典lang_dict对应项累加
        for lang in lang_list:
            if w.lower() == lang:
                lang_dict[lang] += 1
        

def all_lang_count(df):
    '''统计Minimum Qualifications列的内容中，语言出现的次数
    
       输入：
           df：DataFrame，其中包含Minimum Qualifications列。
    
       输出：
           字典类型，其中key为语言名字如'python'、'java'等，value为单词在Minimum Qualifications中出现的次数。
    '''
    # 初始化字典变量lang_dict, 以l