前言

上回說到我們?nèi)绾伟牙吹臄?shù)據(jù)抓取下來的，既然獲取了數(shù)據(jù)，就別放著不動(dòng)，把它拿出來分析一下，看看這些數(shù)據(jù)里面都包含了什么信息。

下面話不多說了，來一起看看詳細(xì)的介紹吧

一、前期準(zhǔn)備

由于上次抓的數(shù)據(jù)里面包含有 ID 這樣的信息，我們需要將它去掉，并且查看描述性統(tǒng)計(jì)，確認(rèn)是否存在異常值或者確實(shí)值。

read_file = "analyst.csv"

# 讀取文件獲得數(shù)據(jù)

data = pd.read_csv(read_file, encoding="gbk")

# 去除數(shù)據(jù)中無關(guān)的列

data = data[:].drop(['ID'], axis=1)

# 描述性統(tǒng)計(jì)

data.describe()

結(jié)果中的 unique 表示的是在該屬性列下面存在的不同值個(gè)數(shù)，以學(xué)歷要求為例子，它包含【本科、大專、碩士、不限】這4個(gè)不同的值，top 則表示數(shù)量最多的值為【本科】，freq 表示出現(xiàn)的頻率為 387。由于薪資的 unique 比較多，我們查看一下存在什么值。

print(data['學(xué)歷要求'].unique())

print(data['工作經(jīng)驗(yàn)'].unique())

print(data['薪資'].unique())

二、預(yù)處理

從上述兩張圖可以看到，學(xué)歷要求和工作經(jīng)驗(yàn)的值比較少且沒有缺失值與異常值，可以直接進(jìn)行分析；但薪資的分布比較多，總計(jì)有75種，為了更好地進(jìn)行分析，我們要對(duì)薪資做一個(gè)預(yù)處理。根據(jù)其分布情況，可以將它分成【5k 以下、5k-10k、10k-20k、20k-30k、30k-40k、40k 以上】，為了更加方便我們分析，取每個(gè)薪資范圍的中位數(shù)，并劃分到我們指定的范圍內(nèi)。

# 對(duì)薪資進(jìn)行預(yù)處理

def pre_salary(data):

salarys = data['薪資'].values

salary_dic = {}

for salary in salarys:

# 根據(jù)'-'進(jìn)行分割并去掉'k',分別將兩端的值轉(zhuǎn)換成整數(shù)

min_sa = int(salary.split('-')[0][:-1])

max_sa = int(salary.split('-')[1][:-1])

# 求中位數(shù)

median_sa = (min_sa + max_sa) / 2

# 判斷其值并劃分到指定范圍

if median_sa < 5:

salary_dic[u'5k以下'] = salary_dic.get(u'5k以下', 0) + 1

elif median_sa > 5 and median_sa < 10:

salary_dic[u'5k-10k'] = salary_dic.get(u'5k-10k', 0) + 1

elif median_sa > 10 and median_sa < 20:

salary_dic[u'10k-20k'] = salary_dic.get(u'10k-20k', 0) + 1

elif median_sa > 20 and median_sa < 30:

salary_dic[u'20k-30k'] = salary_dic.get(u'20k-30k', 0) + 1

elif median_sa > 30 and median_sa < 40:

salary_dic[u'30k-40k'] = salary_dic.get(u'30k-40k', 0) + 1

else:

salary_dic[u'40以上'] = salary_dic.get(u'40以上', 0) + 1

print(salary_dic)

return salary_dic

對(duì)【薪資】進(jìn)行預(yù)處理之后，還要對(duì)【任職要求】的文本進(jìn)行預(yù)處理。因?yàn)橐龀稍~云圖，需要對(duì)文本進(jìn)行分割并去除掉一些出現(xiàn)頻率較多但沒有意義的詞，我們稱之為停用詞，所以我們用 jieba 庫(kù)進(jìn)行處理。jieba 是一個(gè)python實(shí)現(xiàn)的分詞庫(kù)，對(duì)中文有著很強(qiáng)大的分詞能力。

import jieba

def cut_text(text):

stopwords =['熟悉','技術(shù)','職位','相關(guān)','工作','開發(fā)','使用','能力',

'優(yōu)先','描述','任職','經(jīng)驗(yàn)','經(jīng)驗(yàn)者','具有','具備','以上','善于',

'一種','以及','一定','進(jìn)行','能夠','我們']

for stopword in stopwords:

jieba.del_word(stopword)

words = jieba.lcut(text)

content = " ".join(words)

return content

預(yù)處理完成之后，就可以進(jìn)行可視化分析了。

三、可視化分析

我們先繪制環(huán)狀圖和柱狀圖，然后將數(shù)據(jù)傳進(jìn)去就行了，環(huán)狀圖的代碼如下：

def draw_pie(dic):

labels = []

count = []

for key, value in dic.items():

labels.append(key)

count.append(value)

fig, ax = plt.subplots(figsize=(8, 6), subplot_kw=dict(aspect="equal"))

# 繪制餅狀圖，wedgeprops 表示每個(gè)扇形的寬度

wedges, texts = ax.pie(count, wedgeprops=dict(width=0.5), startangle=0)

# 文本框設(shè)置

bbox_props = dict(boxstyle="square,pad=0.9", fc="w", ec="k", lw=0)

# 線與箭頭設(shè)置

kw = dict(xycoords='data', textcoords='data', arrowprops=dict(arrowstyle="-"),

bbox=bbox_props, zorder=0, va="center")

for i, p in enumerate(wedges):

ang = (p.theta2 - p.theta1)/2. + p.theta1

y = np.sin(np.deg2rad(ang))

x = np.cos(np.deg2rad(ang))

# 設(shè)置文本框在扇形的哪一側(cè)

horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]

# 用于設(shè)置箭頭的彎曲程度

connectionstyle = "angle,angleA=0,angleB={}".format(ang)

kw["arrowprops"].update({"connectionstyle": connectionstyle})

# annotate()用于對(duì)已繪制的圖形做標(biāo)注，text是注釋文本，含 'xy' 的參數(shù)跟坐標(biāo)點(diǎn)有關(guān)

text = labels[i] + ": " + str('%.2f' %((count[i])/sum(count)*100)) + "%"

ax.annotate(text, size=13, xy=(x, y), xytext=(1.35*np.sign(x), 1.4*y),

horizontalalignment=horizontalalignment, **kw)

plt.show()

柱狀圖的代碼如下：

def draw_workYear(data):

workyears = list(data[u'工作經(jīng)驗(yàn)'].values)

wy_dic = {}

labels = []

count = []

# 得到工作經(jīng)驗(yàn)對(duì)應(yīng)的數(shù)目并保存到count中

for workyear in workyears:

wy_dic[workyear] = wy_dic.get(workyear, 0) + 1

print(wy_dic)

# wy_series = pd.Series(wy_dic)

# 分別得到 count 的 key 和 value

for key, value in wy_dic.items():

labels.append(key)

count.append(value)

# 生成 keys 個(gè)數(shù)的數(shù)組

x = np.arange(len(labels)) + 1

# 將 values 轉(zhuǎn)換成數(shù)組

y = np.array(count)

fig, axes = plt.subplots(figsize=(10, 8))

axes.bar(x, y, color="#1195d0")

plt.xticks(x, labels, size=13, rotation=0)

plt.xlabel(u'工作經(jīng)驗(yàn)', fontsize=15)

plt.ylabel(u'數(shù)量', fontsize=15)

# 根據(jù)坐標(biāo)將數(shù)字標(biāo)在圖中，ha、va 為對(duì)齊方式

for a, b in zip(x, y):

plt.text(a, b+1, '%.0f' % b, ha='center', va='bottom', fontsize=12)

plt.show()

我們?cè)侔褜W(xué)歷要求和薪資的數(shù)據(jù)稍微處理一下變成字典形式，傳進(jìn)繪制好的環(huán)狀圖函數(shù)就行了。另外，我們還要對(duì)【任職要求】的文本進(jìn)行可視化。

from wordcloud import WordCloud

# 繪制詞云圖

def draw_wordcloud(content):

wc = WordCloud(

font_path = 'c:\\Windows\Fonts\msyh.ttf',

background_color = 'white',

max_font_size=150, # 字體最大值

min_font_size=24, # 字體最小值

random_state=800, # 隨機(jī)數(shù)

collocations=False, # 避免重復(fù)單詞

width=1600,height=1200,margin=35, # 圖像寬高，字間距

)

wc.generate(content)

plt.figure(dpi=160) # 放大或縮小

plt.imshow(wc, interpolation='catrom',vmax=1000)

plt.axis("off") # 隱藏坐標(biāo)

四、成果與總結(jié)

python數(shù)據(jù)分析師的學(xué)歷大部分要求是本科，占了86%。

從柱狀圖可以看出，python數(shù)據(jù)分析師的工作經(jīng)驗(yàn)絕大部分要求1-5年。

由此可以得出python數(shù)據(jù)分析的工資為10k-20k的比較多，40以上的也不少，工資高估計(jì)要求會(huì)比較高，所以我們看一下職位要求。

從詞云圖可看出，數(shù)據(jù)分析肯定要對(duì)數(shù)據(jù)比較敏感，并且對(duì)統(tǒng)計(jì)學(xué)、excel、python、數(shù)據(jù)挖掘、hadoop等也有一定的要求。不僅如此，還要求具有一定的抗壓能力、解決問題的能力、良好的表達(dá)能力、思維能力等。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。

總結(jié)

以上是生活随笔為你收集整理的python数据分析工资_python3对拉勾数据进行可视化分析的方法详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。