用Python 统计、分析2020年江苏省事业单位招聘岗位 Excel 表格信息

前言：

前面已经介绍了两个 Python xlrd、xlwt 模块处理 Excel 表格文件的实例，一个是侧重简单的文件读取、写入：给已有Excel表格添加序号、增加新列 ，另一个是侧重多个 Excel 表格文件的信息收集整个：汇总，分析大学校运会报名 Excel 表格 。

这篇博客将介绍第三个用 Python 处理 Excel 表格的实例，侧重于用 xlrd 模块 读取 Excel 表格数据 ，并 对数据进行统计分析 。

需求：

在工作中，经常会遇到许多 数据量、信息特别多的 Excel 表格 ，当想要从这些表格中查找数据，或进行数据统计及分析工作时，Excel 表格软件提供的功能可能就有点力不从心了。

如需对【江苏省2020年省属事业单位统一公开招聘岗位表】进行一定的数据统计、分析工作。

表格文件预览：（ 表格下载链接 ）

上面表格大概有600条左右的数据，其实数据量也不太多，当遇到有成千上万条的Excel表格数据时，单用Excel表格提供的功能来统计分析数据，就更显吃力了。

模拟案例：统计、分析2020年江苏省事业单位招聘岗位表格信息

总体需求：

1. 数据读取：获取表格数据，并对数据进行整理；
2. 基础统计：A: 总招聘岗位数，总招聘人数，岗位最大、最小招聘人数；B: 岗位招聘人数分布情况：即招聘人数为1、2…的单位个数；C: 招聘对象为社会人员、应届毕业生、不限的各自数量，及所占比例。
3. 按条件查找分析数据：A:专业为计算机相关专业，招聘对象为应届毕业生的所有招聘信息；B:统计条件下招聘的岗位数，招聘人数，及两者在全部招聘信息中所占比例；C: 统计条件下学历要求情况：中专，大专，本科，硕士，博士 招聘岗位数，招聘人数、占比。
4. 综合分析：A: 统计各主管部门招聘人数，占总招聘人数比例；B: 分析最大、最小招聘人数的部门是哪个；C: 分析每个主管部门招聘对象为：社会人员、应届毕业生、不限 的人数，及其内部比例。
5. 保存数据： 将上面分析数据写入新建的Excel 表格，方便阅读。

主要思路及实现代码：

1、读取、整理数据：

获取满足后续分析工作要求的数据，是每项数据分析工作的先决条件，这就依赖以数据读取和整理。

用 xlrd 模块读取文件数据：

import xlrd
import xlwt

work_book = xlrd.open_workbook('sample3.xls')
sheet = work_book.sheet_by_index(1)  # 注意下载的文件有隐藏的一个sheet表单
all_data = sheet._cell_values[3:]  # 按行读取表格数据

打印下数据：

for ds in all_data:
    print(ds)

打印截图：

从上面的截图可以看到，按行读取时，数据内容并不完整，这是因为表格文件中合并单元格的关系：

数据整理：

因为单元格合并的关系，读取到的数据并不完整，所以就要对数据进行整理。Python的数据分析模块 pandas 里的 DataFrame 数据结构有一个向上查找填充缺失值的方法，因还未介绍过 pandsa 模块，所以来 写一个函数，模拟向上查找填充缺失值方法，并对数据进行整理：

# 向上查找数据函数
def fill(i,j,data_list):
    up_index = i -1
    for c in range(i):
        if data_list[up_index][j] != '':
            return data_list[up_index][j]
        else:
            up_index -= 1

# 模拟pandas里DataFrame对象中向前填充的功能：
for i,ds in enumerate(all_data):
    for j,d in enumerate(ds):
        if d == '':
            ds[j] = fill(i,j,all_data)

# 打印数据：
for ds in all_data:
    print(ds)

打印截图：

从上面的截图可以看出数据被补充完整了。

2、数据基础分析：

需求：

1. 总招聘岗位数，总招聘人数，岗位最大、最小招聘人数；
2. 岗位招聘人数分布情况：即招聘人数为1、2…的单位个数；
3. 招聘对象为社会人员、应届毕业生、不限的各自数量，及所占比例。

获取数据并整理后就可以进行数据分析工作了，来一个个的实现上述数据基础分析的需求:

1、总招聘岗位数，总招聘人数，岗位最大、最小招聘人数：

# 招聘岗位数
total_post = len(all_data)
print(total_post)  # 580
# 总招聘人数
total_employs = sum([int(ds[9]) for ds in all_data])
print(total_employs)  # 708
# 最大的招聘人数
max_employ = max([int(ds[9]) for ds in all_data])
print(max_employ) # 10
# 最小招聘人数
min_employ = min([int(ds[9]) for ds in all_data])
print(min_employ)  # 1

上面的代码，计算出：总招聘岗位数为580个，总招聘人数为708个，岗位最多、最少招聘人数分别为：10，1。

整个江苏省事业单位才招聘708个，好像不是特别多的样子…

2、岗位招聘人数分布情况：

# 分析岗位招聘人数分布情况
# 先获取有多少招聘个数种类
number_employ = set([int(ds[9]) for ds in all_data])
print(number_employ)  # {1, 2, 3, 4, 5, 7, 9, 10}
# 获取每个招聘数量的岗位数量
# 建立字典
ne_dict = {
   key:0 for key in number_employ}
print(ne_dict)
# {1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 7: 0, 9: 0, 10: 0}

for ds in all_data:
    if ds[9] in ne_dict.keys():
        ne_dict[ds[9]] += 1

print(ne_dict)
# {1: 497, 2: 61, 3: 15