Python 实战分析某招聘网站数据分析岗位的招聘情况

前言

嗨喽~大家好呀，这里是魔王呐 ❤ ~

今天案例难度指数: ☆☆☆

准备

环境使用：

• Anaconda (python3.9)

  -->识别我们写的代码

开发工具：

• jupyter notebook

  -->代码编辑功能敲代码的工具

相关模块：

• seaborn pandas matplotlib

数据

步骤

1. 读取数据

2. 数据预处理

3. 可视化

代码展示

1. 导入模块

import pandas as pd
import matplotlib.pyplot as plt  # 最基础的可视化
import seaborn as sns  # 以plt为基础封装
sns.set_style('white',{'font.sans-serif':['simhei','Arial']})

2. 读取数据

df = pd.read_csv('lagouw.csv')

3. 预览数据

df.head()

数据预处理

1. 转化统一的大小写

2. 提取数字 正则提取 extract()

3. 转化为int类型 映射

4. 取区间的平均值

df['工资'] = df['工资'].str.lower()\
            .str.extract(r'(\d+)[k]-(\d+)[k]')\
            .applymap(lambda x:int(x))\
            .mean(axis=1)

df['工资']

city_order = df.groupby('工作城市')['工资'].mean()

city_order.sort_values()   # 排序

city_order.index.tolist()

city_order = df.groupby('工作城市')['工资'].mean()\
            .sort_values()\
            .index.tolist()

city_order

可视化

fig,ax = plt.subplots(figsize=(12,8))
sns.barplot(x='工作城市',y='工资',order=city_order,data=df,palette='RdBu_r')
fig.text(x=0.04,y=0.9,s='               各个城市的薪资水平对比             ',fontsize=32,weight='bold',color='w',
        backgroundcolor='#3c7f99')
# 去掉边框
plt.box(False)
ax.yaxis.grid(which='both', linewidth=0.5, color='#3c7f99')  # ax.xaxis.grid()打开x轴的网格线

fig, ax = plt.subplots(figsize=(12,8))
sns.countplot(y="工作城市",order= df["工作城市"].value_counts().index,data=df,color='#3c7f99')
plt.box(False)  # 去掉边框
fig.text(x=0.04, y=0.90, s='           各城市数据分析岗位的需求量           ', 
         fontsize=32, weight='bold', color='white', backgroundcolor='#c5b783')
plt.tick_params(axis='both', which='major', labelsize=16)
ax.xaxis.grid(which='both', linewidth=0.5, color='#3c7f99')  # ax.xaxis.grid()打开x轴的网格线
plt.xlabel('')
plt.ylabel('')

推荐往期文章

对python感兴趣的小伙伴也可以看一下博主其他相关文章哦~

python小介绍：

python是什么？工作前景如何？怎么算有基础？爬数据违法嘛？。。

python数据分析前景：

用python分析“数据分析”到底值不值得学习，以及学完之后大概能拿到多少工资

python基础自测题：

Python 800 道习题 (°ー°〃) 测试你学废了嘛

最后推荐一套Python视频给大家，希望对大家有所帮助：

全套教程！你和大佬只有一步之遥【python教程】

尾语

要成功，先发疯，下定决心往前冲！

学习是需要长期坚持的，一步一个脚印地走向未来！

未来的你一定会感谢今天学习的你。

—— 心灵鸡汤

本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 😝