最新可视化分析前程无忧招聘网
- 1、数据预处理2、进行数据清洗3、数据可视化(pyecharts)
1、数据预处理
将存储在mysql 中的数据进行数据预处理
- 在jupyter notebook中进行调试
导出至excel 获得初步的数据结果
2、进行数据清洗
部分代码展示
# 构造想要分析的目标岗位,做一个数据筛选 target_job = ['数据分析','电商运营','新媒体运营','会计','财务经理','运营专员','销售助理','人事主管','网络推广专员','市场专员'] index = [df["岗位名"].str.count(i) for i in target_job] index = np.array(index).sum(axis=0) > 0 job_info = df[index] job_info.head()
# 公司类型 字段处理 # print(job_info['公司类型'].value_counts()) company_types = ['民营','合资','外资','事业单位','上市','国企','非营利组织','创业','外企代表处','政府机关'] company_types = np.array(company_types) def rename(x=None, company_types=company_types): name = [i in x for i in company_types] if sum(name)>0: return company_types[name][0] else: return x job_info['公司类型'] = job_info['公司类型'].apply(rename) print(job_info['公司类型'].value_counts()) job_info.head()
最终效果
3、数据可视化(pyecharts)
- 将清洗好的数据进行导入
import pandas as pd df = pd.read_excel('after_cleaning_data.xlsx') df.head() 1234
部分代码展示------制作图表
- 饼图 不同学历分布
from pyecharts.charts import Pie # 饼图 不同学历分布 educations = df['学历'].value_counts() educations_index = educations.index.tolist() educations_values = educations.values.tolist() # educations_list = [(i,j) for i,j in zip(educations_index,educations_values)] # educations_list # for test pie1 = ( Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) .add('',data_pair=[(i,j) for i,j in zip(educations_index,educations_values)]) .set_global_opts(title_opts={'text':'招收岗位学历分布图'},toolbox_opts=opts.ToolboxOpts(is_show=True), legend_opts=opts.LegendOpts(pos_bottom='5%')) ) pie1.render_notebook()
- 不同公司类型的工资水平
# 不同公司类型的工资水平 salary_level = df.groupby("公司类型")["工资水平"].mean() # print(type(salary_level)) # Series转换为DataFrame type_salary=pd.DataFrame({'公司类型':salary_level.index,'平均工资':salary_level.values}) type_salary['平均工资'] = type_salary['平均工资'].apply(lambda x :round(x)) # type_salary for test bar3 = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) .add_xaxis(type_salary['公司类型'].values.tolist()) .add_yaxis(series_name='不同类型公司的工资水平',yaxis_data=type_salary['平均工资'].values.tolist()) .set_global_opts(toolbox_opts=opts.ToolboxOpts(is_show=True), title_opts={'text':'不同公司类型的工资水平图'}, xaxis_opts=opts.AxisOpts(axislabel_opts={'interval':'0'})) ) bar3.render_notebook()
- 工作经验与工资水平折线图
from pyecharts.charts import Line bar5 = ( Line(init_opts=opts.InitOpts(theme=ThemeType.DARK)) .add_xaxis(ex_sa['工作经验'].values.tolist()) .add_yaxis('工资水平',y_axis=ex_sa['工资水平'].values.tolist()) .set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts={'interval':'0'}), toolbox_opts=opts.ToolboxOpts(is_show=True), title_opts={'text':'工作经验与工资水平折线图'}) ) bar5.render_notebook()
本人目前为了加强可视化,数据清洗能力,会自行爬取数据并进行可视化分析,如果有小伙伴和我一样,关注我,会有新的案例,一起进步。
此文转载于:一城山水
著作权归作者所有,如有侵权联系小编删除!
原文地址:https://blog.csdn.net/weixin_45215649
需要获取源码记得后台私信小编01即可