相信各位同学多多少少在拉钩上投过简历，今天突然想了解一下北京Python开发的薪资水平、招聘要求、福利待遇以及公司地理位置。
既然要分析那必然是现有数据样本。本文通过爬虫和数据分析为大家展示一下北京Python开发的现状，希望能够在职业规划方面帮助到大家！！！
爬虫
爬虫的第一步自然是从分析请求和网页源代码开始。从网页源代码中我们并不能找到发布的招聘信息。但是在请求中我们看到这样一条Post请求。
如下图我们可以得知
请求方式：Post
result：发布的招聘信息
total Count：招聘信息的条数
通过实践发现除了必须携带headers之外，拉勾网对IP访问频率也是有限制的。一开始会提示 \'访问过于频繁\'，继续访问则会将IP拉入黑名单。不过一段时间之后会自动从黑名单中移除。
针对这个策略，我们可以对请求频率进行限制，这个弊端就是影响爬虫效率。
1 思路
通过分析请求我们发现每页返回15条数据，total Count又告诉了我们该职位信息的总条数。
向上取整就可以获取到总页数。然后将所得数据保存到CSV文件中。这样我们就获得了数据分析的数据源！
Post请求的Form Data传了三个参数:
First ： 是否首页(并没有什么用)；
PN：页码；
KD：搜索关键字。
2 No bb， show code
# 获取请求结果
# kind 搜索关键字
# page 页码 默认是1
def get_json(kind, page=1,):
# post请求参数
param = {
\'first\': \'true\',
\'pn\': page,
\'kd\': kind
}
header = {
\'Host\': \'www.lagou.com\',
\'Referer\': \'https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput=\',
\'User-Agent\': \'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36\'
}
# 设置代理
proxies = [
{\'http\': \'140.143.96.216:80\', \'https\': \'140.143.96.216:80\'},
{\'http\': \'119.27.177.169:80\', \'https\': \'119.27.177.169:80\'},
{\'http\': \'221.7.255.168:8080\', \'https\': \'221.7.255.168:8080\'}
]
# 请求的url
url = \'https://www.lagou.com/jobs/positionAjax.json?px=default&city=%E5%8C%97%E4%BA%AC&needAddtionalResult=false\'
# 使用代理访问
# response = requests.post(url, headers=header, data=param, proxies=random.choices(proxies))
response = requests.post(url, headers=header, data=param, proxies=proxies)
response.encoding = \'utf-8\'
if response.status_code == 200:
response = response.json()
# 请求响应中的positionResult 包括查询总数 以及该页的招聘信息(公司名、地址、薪资、福利待遇等...)
return response[\'content\'][\'positionResult\']
return None
接下来我们只需要每次翻页之后调用getJSON获得请求的结果，再遍历取出需要的招聘信息即可。
if __name__ == \'__main__\':
# 默认先查询第一页的数据
kind = \'python\'
# 请求一次 获取总条数
position_result = get_json(kind=kind)
# 总条数
total = position_result[\'totalCount\']
print(\'{}开发职位，招聘信息总共{}条.....\'.format(kind, total))
# 每页15条 向上取整 算出总页数
page_total = math.ceil(total/15)
# 所有查询结果
search_job_result = []
#for i in range(1, total + 1)
# 为了节约效率 只爬去前100页的数据
for i in range(1, 100):
position_result = get_json(kind=kind, page= i)
# 每次抓取完成后,暂停一会,防止被服务器拉黑
time.sleep(15)
# 当前页的招聘信息
page_python_job = []
for j in position_result[\'result\']:
python_job = []
# 公司全名
python_job.append(j[\'companyFullName\'])
# 公司简称
python_job.append(j[\'companyShortName\'])
# 公司规模
python_job.append(j[\'companySize\'])
# 融资
python_job.append(j[\'financeStage\'])
# 所属区域
python_job.append(j[\'district\'])
# 职称
python_job.append(j[\'positionName\'])
# 要求工作年限
python_job.append(j[\'workYear\'])
# 招聘学历
python_job.append(j[\'education\'])
# 薪资范围
python_job.append(j[\'salary\'])
# 福利待遇
python_job.append(j[\'positionAdvantage\'])
page_python_job.append(python_job)
# 放入所有的列表中
search_job_result += page_python_job
print(\'第{}页数据爬取完毕, 目前职位总数:{}\'.format(i, len(search_job_result)))
# 每次抓取完成后,暂停一会,防止被服务器拉黑
time.sleep(15)
ok！ 数据我们已经获取到了，最后一步我们需要将数据保存下来。
# 将总数据转化为data frame再输出
df = pd.DataFrame(data=search_job_result,
columns=[\'公司全名\', \'公司简称\', \'公司规模\', \'融资阶段\', \'区域\', \'职位名称\', \'工作经验\', \'学历要求\', \'工资\', \'职位福利\'])
df.to_csv(\'lagou.csv\', index=False, encoding=\'utf-8_sig\')
运行main方法直接上结果：
数据分析
通过分析CVS文件，为了方便我们统计，我们需要对数据进行清洗
结论：北京市Python开发的薪资大部分处于15~25k之间。
2 公司分布饼状图
# 绘制饼图并保存
count = df[\'区域\'].value_counts()
plt.pie(count, labels = count.keys(),labeldistance=1.4,autopct=\'%2.1f%%\')
plt.axis(\'equal\') # 使饼图为正圆形
plt.legend(loc=\'upper left\', bbox_to_anchor=(-0.1, 1))
plt.savefig(\'pie_chart.jpg\')
plt.show()
结论：Python开发的公司最多的是海淀区，其次是朝阳区。准备去北京工作的小伙伴大概知道去哪租房了吧
3学历要求直方图
# {\'本科\': 1304, \'大专\': 94, \'硕士\': 57, \'博士\': 1}
dict = {}
for i in df[\'学历要求\']:
if i not in dict.keys():
dict[i] = 0
else:
dict[i] += 1
index = list(dict.keys())
print(index)
num = []
for i in index:
num.append(dict[i])
print(num)
plt.bar(left=index, height=num, width=0.5)
plt.show()
结论：在Python招聘中，大部分公司要求是本科学历以上。但是学历只是个敲门砖，如果努力提升自己的技术，这些都不是事儿
4 福利待遇词云图
# 绘制词云,将职位福利中的字符串汇总
text = \'\'
for line in df[\'职位福利\']:
text += line
# 使用jieba模块将字符串分割为单词列表
cut_text = \' \'.join(jieba.cut(text))
#color_mask = imread(\'cloud.jpg\') #设置背景图
cloud = WordCloud(
background_color = \'white\',
# 对中文操作必须指明字体
font_path=\'yahei.ttf\',
#mask = color_mask,
max_words = 1000,
max_font_size = 100
).generate(cut_text)
# 保存词云图片
cloud.to_file(\'word_cloud.jpg\')
plt.imshow(cloud)
plt.axis(\'off\')
plt.show()
结论：弹性工作是大部分公司的福利，其次五险一金少数公司也会提供六险一金。团队氛围、扁平化管理也是很重要的一方面。
至此，此次分析到此结束。有需要的同学也可以查一下其他岗位或者地区的招聘信息哦~ 希望能够帮助大家定位自己的发展和职业规划。
网友评论