pandas_数据分析师招聘数据分析可视化

1. 分析⽬标
   各城市对数据分析岗位的需求情况
   不同细分领域对数据分析岗的需求情况
   数据分析岗位的薪资状况
   ⼯作经验与薪⽔的关系
   公司都要求什么掌握什么技能
   岗位的学历要求⾼吗
   不同规模的企业对⼯资经验的要求以及提供的薪资⽔平
2. 数据加载

import numpy as np
import pandas as pd
job = pd.read_csv('D:\WORK\STUDY\数据分析\课程资料\阶段五\Pandas数据分析库/lagou2020.csv')
job.drop_duplicates(inplace = True)

job.reset_index(inplace=True)# 重置行索引

3. 数据清洗
   3.1 过滤非数据分析

cond = job['positionName'].str.contains('数据分析') # 
job = job[cond]
job.shape

job.reset_index(inplace=True)

3.2 薪⽔是⼀个区间，这⾥⽤薪⽔区间的均值作为相应职位的薪⽔

#1、将salary中的字符串均⼩写化（因为存在8k-16k和8K-16K）
#2、运⽤正则表达式提取出薪资区间
#3、将提取出来的数字转化为int型
#4、取区间的平均值
job["salary"] = job["salary"].str.lower()\
                .str.extract(r'(\d+)[k]-(\d+)k')\
                .applymap(lambda x:int(x))\
                .mean(axis=1)

3.3 从job_detail中提取出技能要求
将技能分为以下⼏类 Python、 SQL、 Tableau、 Excel、 SPSS/SAS
处理⽅式： 如果job_detail中含有上述五类，则赋值为1，不含有则为0

job['Python'] = job['job_detail'].map(lambda x : 1 if 'python' in x else 0)
job['SQL'] = job['job_detail'].map(lambda x : 1 if 'sql' in x else 0)
job['Tableau'] = job['job_detail'].map(lambda x : 1 if 'tableau' in x else 0)
job['Excel'] = job['job_detail'].map(lambda x : 1 if 'excel' in x else 0)
job['SPSS/SAS'] = job['job_detail'].map(lambda x : 1 if ('spss' in x) or ('sas' in x) else 0)

3.4 处理⾏业信息

def convert(x):
    field = x.split(",")
    if (field[0]=="移动互联⽹") and (len(industry)>1):
        return field[1]
    else:
        return field[0]
job["industryField"] = job.industryField.map(convert)

4. 各城市对数据分析岗位的需求量

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.family']='KaiTi'
plt