某网站数据分析岗位EDA

导库

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc',size=12)
plt.style.use('ggplot')

数据来自网络

读取数据

df = pd.read_csv(r'C:\Users\Administrator\Desktop\DataAnalyst.csv',encoding='gbk')

该招聘信息主要包含城市、公司Id、公司规模、公司规模、招聘要求学历、薪资水平等

df.head()

因为positionID是唯一的，可以根据这个特征删除重复行

df_duplicates = df.drop_duplicates(subset='positionId',keep='first')

查看salary字段，发现是一个str值，且是一个范围值，后面需要计算平均薪资，需要先拆分该字段的值并转为数值类型

df_duplicates.salary.head()

0      7k-9k
1    10k-15k
2      4k-6k
3      6k-8k
4      2k-3k
Name: salary, dtype: object

定义拆分函数

def cut_word(word,method):
    position = word.find('-')#找到‘-’符号，存在返回位置索引，不存在返回-1
    length = len(word)
    if position != -1:#‘3k-4k’字样
        bottomSalary = word[:position-1]
        topSalary = word[position+1:length-1]
    else:#‘3k以上字样’
        bottomSalary = word[:word.upper().find('K')]#因为某些行的k是大写，先全转为大写，再定位
        topSalary = bottomSalary
    if method == 'bottomSalary':
        return bottomSalary
    else:
        return topSalary

取出最小值，新生成一列