要准备找工作了，我需要找到一个合适于自己的城市，于是使用所学的数据分析方法来研究一下
结论：
1、工作择城可选择初级岗较多、并且每月工资扣除吃饭租房成本后剩余较多的南京、杭州、成都三地，其中南京、杭州每天上班通行距离相对较低。
2、目前自己还缺少SQL技能需要继续学习
3、这次分析的问题可能在于各大网站可以爬取到的数据不够多，分布不均匀，会导致结果与实际相比有些偏差。
——————————————————————
一、思路：
1、爬取数据：
-
获取招聘数据
智联招聘、前程无忧、拉勾网下数据分析师岗位，所需经验3年以下岗位的所有所需数据
（58同城无此类岗位、BOSS直聘仅显示十页数据量太少） -
获取生活数据
除一线外各主要城市美团、链家网餐饮租房数据
（美团为单人餐类目下数据，实际计算时使用中位数/3即可大约估计实际每顿消费，租房为1500元/月以下月付的数据，因为链家口碑上比较可靠，很少虚标价格所以使用这家） -
获取地理数据
没有经纬度坐标的地址另外补充爬取对应地址的经纬度坐标。
2、清洗数据创造特征
-
清洗数据
-
过滤垃圾数据
删除介绍中带有'金融'、‘开发’，和一线城市
（带有金融的门槛较高，较低的为骗局、开发不是我的方向、一线城市租房价格过高出行不便） -
分离特征
从职位描述特征中，分离出几个软件技能要求，有需要可以再加软技能
3、分析数据及结论可视化
-
筛选主要城市并输出各特征统计量
根据各城市招聘岗位的初级岗数量来筛选出主要城市
输出各列统计量寻找有意义的量 -
计算生活指数
计算主要城市的餐饮、租房数据统计量，使用中位数来输出以代表该城市有50%的人在这个价格以下
计算城市餐饮、租房占该城市中位数工资占比，来并入加权城市生活指数 -
计算通行距离
提取出生活指数前X的城市，分城市载入经纬度数据
以不同颜色的点做图查看住宿与公司距离情况，计算平均直线距离、密集程度
使用聚类对城市所有坐标进行处理，分为X块，计算每个城市中各地区的平均生活指数，密集度 -
做出结论
按各城市性价比做四象限图，生活指数/招聘岗位数量
前X城市各地区的四象限图、分布情况，以及文字描述
——————————————————————
二、处理部分：
1、爬取数据：
获取招聘、餐饮、租房数据并且补全经纬度坐标
使用selenium+pyppeteer，现在的selenium都会被反爬检测到所以查找学习了新的库来爬美团等数据
不过实在太慢了，需要sleep模拟反爬，于是挂了好几天
这里共获取4000+条招聘数据，9400+美团数据，18000+租房数据,只爬了需要的字段
岗位数据
餐饮数据
租房数据
2、清洗数据及创建特征：
删除不需要的和错误数据
统一数据格式等等
清洗数据
3、分析数据及结论可视化
- 筛选主要城市并输出各特征统计量
其他可能有意义的统计量
工资特征的平均工资6.4K，标准差2.9K，最小工资为2K，有一半的人工资在6K以下
经验要求无要求和1~3年经验占一半左右
学历要求 大专占30%+，本科占50%+
硬技能要求
这里没有用字云，字云不太好用，这里主要看相对情况
技能要求
- 计算生活指数
生活指数计算公式（以下均为50%中位数）
预期净月工资 = 工资 - ( 餐饮单次消费*30 + 房月租金）
生活指数 = 预期净月工资 * (0.7+(总招聘人数/2000))
美团人均日常餐饮基本上偏高，实际单次消费按照我当前住的城市/3差不多是每顿消费价格
-
计算通行距离
在处理时，发现爬取的数据量不太够，没法进一步细分分地区，但是工作和租房分布凑合还能计算距离
举几个城市例子
Figure_11.png
Figure_3.png
Figure_4.png
Figure_5.png
#计算两个坐标之间的距离
def geodistance(lng1,lat1,lng2,lat2):
#lng1,lat1,lng2,lat2 = (120.12802999999997,30.28708,115.86572000000001,28.7427)
lng1, lat1, lng2, lat2 = map(radians, [float(lng1), float(lat1), float(lng2), float(lat2)]) # 经纬度转换成弧度
dlon=lng2-lng1
dlat=lat2-lat1
a=sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
distance=2*asin(sqrt(a))*6371*1000 # 地球平均半径，6371km
distance=round(distance/1000,3)
return distance#返回千米
计算好的数据，计算方法是每个招聘坐标与每个租房地址的距离，汇总起来求平均
平均通行距离使用了平均这个指标，如果租房和工作的点集中在一起的越多，平均值就越低
5.png
- 结论可视化
可选工作地址为南京、杭州、成都，如果目的仅仅为找工作还可以选择西安这个招聘岗位多的地方，在数据里西安的工资不如其他城市
分为四个象限
X轴为岗位数量
Y轴为调整后的每月工资剩余
点的大小为通行距离，居住公司距离越集中点越大
bokeh_plot.png
网友评论