作者 | 刘顺祥
来源 | 数据分析1480
前言
在《
哪些省份和城市对数据分析师的需求比较高？
数据分析师岗位在全国和TOP3城市的薪资差异是否显著？
企业在招聘数据分析师岗位时，对应聘者的工作经验和学历要求是怎样的？
不同的工作经验和学历在薪资上是否存在差异呢？
招聘数据分析师岗位的企业，都是哪些类型的企业？
实操
数据分析师在全国的需求分布
# 导入第三方模块
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 读入招聘信息的数据
jobs = pd.read_excel('jobs.xlsx')
# 数据预览
jobs.head(5)
考虑到招聘岗位的数据中含有城市信息（city变量），不妨再结合城市与省份的数据，在原有的数据基础上再添加省份字段，代码如下：
# 读取省份与城市的对应数据
Province_City = pd.read_excel('Province_City.xls')
# 将省份信息加入到jobs表中
jobs = pd.merge(left = jobs, right = Province_City,
left_on='city', right_on='City')
# 删除jobs表中的City变量（该变量是多余的）
jobs.drop(labels='City', axis = 1, inplace = True)接下来，我们来探索一下数据分析师岗位在全国各省份和各城市的需求情况：
# 设置中文和负号正常显示
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False
# 近5000个数据分析的职位，在各省份的分布（Top10）
jobs.Province.value_counts()[:10].plot(kind = 'bar', color = 'steelblue', alpha = 0.8)
# 显示图形
plt.show()
如上图所示，这里显示了全国各省招聘数据分析师岗位数量的Top10，不难发现，前三甲都是国内非常发达的省份。但比较令我吃惊的是山东和安徽排在了江苏前面，所以，个人觉得数据相关的岗位在山东和安徽也有比较好的市场（可能大家还不知道哦，山东在全国的GDP排在了第三呢，绝对是低调的奢华）。在了解了各省份的需求情况，再从城市维度看一下Top10的分布：
# 近5000个数据分析的职位，在全国各城市的分布（Top10）
jobs.city.value_counts()[:10].plot(kind = 'bar', color = 'steelblue', alpha = 0.8)
# 显示图形
plt.show()
如上图所示，从城市级别来看，北京、上海和深圳对数据分析岗的需求最多，尤其是北京，她的需求量甚至超过了上海、深圳、合肥的总和。那么，可能会有网友非常关心数据分析师岗位的薪资情况，下面我们就针对薪资做一个探索和介绍。
薪资水平的探索
需要说明的是，由于原始数据中绝大多数的薪资都是一个范围，如“10K-15K”，当然还有其他形式的薪资，如“薪资面议”、“校招”和“1K一下”。对于这些非数值的薪资，我是这样处理的：
对于有范围的薪资，取范围中两个数的平均值，如“10K-15K”的平均值为12.5K；
对于“薪资面议”的情况，当作缺失值，后面将以整体薪资的中位数作为填充；
对于“校招”的情况，根据个人的经验，按3500元的待遇为填充（主要是发达城市，由于发达城市的需求超过了总需求的一半）；
对于薪资为“1K以下”的情况，月薪设置为1000；
下面就通过具体的代码，对薪资数据进行处理和探索：
# 将未知薪资的特殊数据提取出来
salary1 = jobs.salary[jobs.salary.isin(['薪资面议','校招','1K以下'])]
# 将有薪资范围的数据提取出来
other_salary = jobs.salary[~jobs.salary.isin(['薪资面议','校招','1K以下'])]
# 提取出薪资的下界
salary_low = other_salary.str.replace('K','').str.split('-').apply(lambda x: float(x[0]))
# 提取出薪资的上界
salary_high = other_salary.str.replace('K','').str.split('-').apply(lambda x: float(x[1]))
# 对于薪资为面议的情况，将其转换为缺失值，并用整体水平的平均值代替
salary1[salary1 == '薪资面议'] = np.nan
# 对于薪资为校招的情况，根据经验将月薪设置为3500
salary1[salary1 == '校招'] = 3500
# 对于薪资为1K以下的情况，月薪设置为1000
salary1[salary1 == '1K以下'] = 1000
# 将处理好的薪资水平作合并
salary2 = pd.concat([salary1,1000*(salary_low+salary_high)/2])
# 使用薪资的中位数填充缺失值
salary2.fillna(value = salary2.median(), inplace=True)
# 绘制薪资数据的直方图（设置组距为3000）
salary2.plot(kind = 'hist',
bins = np.arange(salary2.min()-1000,
salary2.max()+3000,3000),
color = 'steelblue', edgecolor = 'black')
plt.show()
如上结果所示，为全国薪资的直方图，从图中可知，绝大多数岗位的薪资落在3K-12K。如果只考虑北京、上海和深圳这三个城市（因为需求量大，经济发达），可以进一步得到该岗位的薪资范围，代码如下：
# 给salary2向量设置名称属性
salary2.name = 'salary2'
# 将salary2字段加入到jobs数据集中
jobs = pd.concat([jobs, salary2], axis = 1)
# 绘制北上深三个城市的薪资直方图
salary_subset = salary2[jobs.city.isin(['北京','上海','深圳'])]
salary_subset.plot(kind = 'hist',
bins = np.arange(salary2.min()-1000,
salary2.max()+3000,3000),
color = 'steelblue', edgecolor = 'black')
plt.show()
如上图所示，对于一线城市的数据分析师岗位而言，绝大多数岗位的薪资在6K-15K，相比于全国的水平，要高一个阶段。所以，一线城市的薪资和全国比较，还是存在显著差异的。当然，读者如果感兴趣，也可以从定量的角度（采用t检验），验证一线城市和全国的薪资差异。
企业对工作经验和学历的要求
在聊完企业提供的薪资后，就该聊聊他们对应聘者学历和工作经的要求啦。由于学历变量的水平值过多，故考虑把几个相似的学历作合并处理，如将高中、中技、中专和大专设置为”本科以下”，其他的学历不调整：
# 将受教育水平划分为本科以下、本科、硕士、博士和不限五种
jobs.eduLevel[jobs.eduLevel.isin(['高中','中技','中专','大专'])] = '本科以下'
# 设置图框，将横、纵坐标轴作标准化处理，保证饼图是一个正圆，否则为椭圆
plt.axes(aspect='equal')
jobs.eduLevel.value_counts().plot(kind = 'pie', autopct='%.1f%%',
explode = [0,0.1,0,0,0]) # 突出显示“本科以下”的学历
# 去除y轴标签
plt.ylabel('')
plt.show()
如上饼图所示，本科学历的比重最多，占到43.8%；其次是本科以下的学历，占比为37%；排第三的是学历不限，个人觉得对于学历不限的情况，企业可能更看重应聘者的工作经验。很奇怪的是，对于硕士和博士这样的高学历，总共占比才3.8%（个人觉得可能是11月份属于招聘淡季，对高学历人才的需求比较低）。同理，在了解一下工作经验的分布情况：
plt.axes(aspect='equal')
jobs.workingExp.value_counts().plot(kind = 'pie', autopct='%.1f%%')
plt.ylabel('')
plt.show()
如上图所示，企业对于工作年限不限的比例最高，其次是1~3年，紧接着是3~5年。这个分布比例其实还是非常特殊的，本人只能将其归咎于11月份时间节点不好，一是用人单位想招人招不到，故放低经验要求，二是有工作经验的人在此时不愿意跳槽。
前文的几个饼图全都是基于全国所有城市的数据绘制出来的，感兴趣的朋友也可以筛选出一线城市（如北京、上海、深圳、广州等），并对其探索用人单位对学历和工作经验的要求。
工作经验和学历对薪资的影响
接下来要探索的就是不同学历和工作经验在薪资上的差异，这里重点关注一线城市（以北京、上海、深圳和广州为例）的数据特征。
# 不同的工作年限，在薪资上的体现（限定在北京、上海、深圳和广州四个城市）
# 筛选指定城市的数据
jobs_subset = jobs.loc[jobs.city.isin(['北京','上海','深圳','广州']),]
# 按工作经验分组
grouped = jobs_subset.groupby(by = 'workingExp')
# 计算各工作经验下的平均薪资
Exp_Salary = (grouped.aggregate('mean')['salary2']).sort_values(ascending = False)
# 绘制条形图
Exp_Salary.plot(kind='bar', color = 'steelblue', alpha = 0.8)
# 添加数值标签
for x,y in enumerate(Exp_Salary):
plt.text(x,y+1000,'%s' %round(y,1),ha='center')
# 限定y轴范围
plt.ylim(7000,90000)
# 去除x轴标签
plt.xlabel('')
plt.show()
如上图所示，工作年限越长的对应的薪资水平就越高（最为突出的是十年以上的工作经验，平均薪资在85000）。总体来说，数据分析的工种在各个工作年限上的平均薪资还是比较高的（相比于其他工种而言，如会计、销售、服务业等）。同理，也可以根据上面的代码，稍作修改，就可以绘制出不同学历在薪资上的差异条形图：
# 不同的学历，在薪资上的体现（限定在北京、上海、深圳和广州四个城市）
grouped = jobs_subset.groupby(by = 'eduLevel')
Edu_Salary = (grouped.aggregate('mean')['salary2']).sort_values(ascending = False)
Edu_Salary.plot(kind='bar', color = 'steelblue', alpha = 0.8)
for x,y in enumerate(Edu_Salary):
plt.text(x,y+1000,'%s' %round(y,1),ha='center')
plt.ylim(7000,20000)
plt.xlabel('')
plt.show()
如上图所示，硕士的平均薪资是最高的，其次是本科，而博士学历还是挺出乎预料的，尽然排在了第三。后来从数据中查询发现，博士学历的岗位只有三个，都属于北京的岗位，薪资分别是6K-12K、15K-25K和10K-20K。需要注意的是，这里探索得到的结论（博士学历薪资第三）并不代表普遍现象，可能还要归咎于爬出来的数据属于11月份的时间节点，如果是来年的3~4月份，也许数据会更加接近真实。
OK，横向对比工作经验和学历水平，不难发现，工作经验绝对能够影响到薪资水平，试想，如果站在企业的角度考虑，相信他们更看重的是应聘者的工作经验，而非学历。
企业的类型分布
最后，再来探索一个问题，招聘数据分析师岗位的企业，都属于哪些类型的企业呢？这里通过Python代码绘制企业类型的条形图：
# 各企业类型的分布比例
(jobs.type.value_counts()/jobs.shape[0]).plot(kind = 'bar', color = 'steelblue', alpha = 0.8)
# 显示图形
plt.show()
如上图所示，在搜集的近5000个数据分析职位，民营企业占到一半以上；其次是股份制企业，占比为18%左右；排在第三的是合资企业，这三类企业占到所有企业的80%以上。
本文中的代码和数据可以从百度云盘中下载，只需公众号后台回复“智联招聘”即可。
◆ ◆ ◆ ◆ ◆
数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以通过扫描下方管理员二维码，让管理员帮忙拉进群，期待大家的加入。
管理员二维码：
●
●
●
●
●
3355
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
