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


                
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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