学习笔记：招聘数据探索与分析

入门小菜鸟的学习笔记，希望大佬们帮忙纠错啦~侵权立删。 

1. 读取数据并存为一个名叫job_info的数据框

import pandas as pd
job_info = pd.read_csv('../job_info.csv',encoding='gbk',header=None)
job_info.head(3)

2. 简单的数据探索

job_info.shape
job_info.isnull().sum()
job_info.describe()
job_info.head()
job_info.columns

3. 将列命名为：['公司', '岗位', '工作地点', '工资', '发布日期']

job_info.columns=['公司', '岗位', '工作地点', '工资', '发布日期']
job_info

4. 哪个岗位招聘需求最多

job_info['岗位'].value_counts().idxmax()

5. 取出9月3日发布的招聘信息

#方法一
job_info.loc[job_info['发布日期']=='09-03',:]
#方法二
job_info[job_info['发布日期']=='09-03']

6. 处理工作地点这一列，保留数据中省份或直辖市信息

job_info['工作地点'].value_counts()
job_info[job_info['工作地点'] == '异地招聘'] = ''

def area_solve(x):
    '''
    该函数实现提取输入x中的省份或者市的字符 
    param x：字符串
    return 提取省份或者市字符的x：字符串 
    '''
    if '-' in x: # 判断“-”是否在x中，如果有返回True，如果没有返回False
        return x.split('-')[0]
    else:
        return x
job_info['工作地点'] = job_info['工作地点'].apply(area_solve)

7. 找出工作地点在深圳、广州、北京、上海的数据分析师招聘信息

index_1 = job_info['工作地点'].str.contains('深圳|广州|北京|上海')
index_2 = job_info['岗位']=='数据分析师'
job_info[index_1 & index_2]

8.取出每个岗位的最低工资与最高工资，单位为“元/月”，若招聘信息中无工资数据则无需处理

# （如2-2.5万/月，则最低工资为20000，最高工资为25000。）
job_info['工资'].str[-3:].value_counts()
'''
千/月：x*1000
万/月：x*10000
万/年：x*10000/12
其他：None
'''
# 正则表达式
# \d：匹配0-9的字符
# *：匹配前一个字符0到多次
# ?：匹配前一个字符0到1次
# \：转义字符
import re
# 以一个工资为例实现字符提取以及单位转换
s = job_info['工资'][0]
float(re.findall('\d\.?\d*',s)[0]) * 10000

def get_salary(x):
    '''
    该函数实现对输入x进行字符提取和单位转换 
    param x：字符串，例如“2-3.5万/月”
    return (最低工资，最高工资)，例如：(20000,35000)
    '''
    try: # 数据中存在空的字符串以及其他单位的工资
        if x[-3]=='万':
            a = [float(i)*10000 for i in re.findall('\d\.?\d*',x)]
        elif x[-3]=='千':
            a = [float(i)*1000 for i in re.findall('\d\.?\d*',x)]
        # 到这里，此时工资的单位为元/月,元/年
        if x[-1]=='年':
            a = [a/12 for i in a]
        return a
    except:
        return None

job_info['最低工资'] = job_info['工资'].apply(get_salary).str[0] # 提取列表中第一个元素
job_info['最高工资'] = job_info['工资'].apply(get_salary).str[1] # 提取列表中第二个元素

9.新增一列薪资等级，把工资分为三个等级（‘高薪’，‘中等薪资’，‘低薪’），划分依据自定

job_info['最低工资'].value_counts() # 低薪：4000以下，中等薪资：4000-10000，高薪；10000以上
job_info['薪资等级'] = pd.cut(job_info['最低工资'],[0,4000,10000,job_info['最低工资'].max()],labels=['低薪','中等薪资','高薪'])
job_info['薪资等级'].value_counts()

10.把处理里后的数据保存到本地路径中，文件命名为job_data（处理后）.csv

job_info.to_csv('./练习代码/数据/job_info（处理后）.csv',index=False)