你的位置:四虎影院con > 日本无限看免费 > 日本无限看免费 找做事必望,数据分析岗位新闻爬取并可视化分析

日本无限看免费 找做事必望,数据分析岗位新闻爬取并可视化分析

发布日期:2021-09-20 02:44    点击次数:136

本文转载自微信公多号「数据STUDIO」,作者云朵君。转载本文请有关数据STUDIO公多号。十分钟视频在线观看播放

比来频繁收到人事幼姐姐和猎头幼哥哥的面试邀请,想想比来也不是雇用旺季呀。但又想到很多幼友人们有找做事这方面的需求,今天就来分享一篇浅易的爬虫案例,旨在跟行家一首分析一下片面雇用市场。以"数据分析"为例。

必要用到的模块
import requests import time import random import os import requests from bs4 import BeautifulSoup import openpyxl import numpy as np 
爬虫代码

本次爬虫难度不大,属于入门级别的,只要清新requests乞求,BeautifulSoup解析即可轻盈上手,下面是本次爬虫的主要代码。

def getPosition(url):     times=time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())     print(u'\n本地时间:',times)     print(u'\n最先采集数据...')     # 乞求获取返回值     data = getData(url)     # BeautifulSoup解析网页     soup = BeautifulSoup(data.text, features='lxml')  # 对html进走解析,完善初首化     results = soup.find_all(attrs={'class': "job-list"})     job_list =  results[0].find_all(attrs={'class': "job-primary"})     lens = len(job_list)     for num in range(lens):         positions = []         job = job_list[num]         # 按照节点查询响答数据         positions.extend(job.find_all(attrs={'class': "job-title"})[0].text.split())         positions.append(job.find_all(attrs={'class': "job-limit"})[0].text.split()[0])         job_limit = job.find_all(attrs={'class': "job-limit"})[0]         positions.extend(str(job_limit.p).rstrip('</p>').lstrip('<p>').split('<em class="vline"></em>'))         positions.append(job.find_all(attrs={'class': "company-text"})[0].text.split()[0])         company = job.find_all(attrs={'class': "company-text"})[0].p         positions.extend(company.a.text.split())         positions.extend(str(company).rstrip('</p>').split('<em class="vline"></em>')[1:])         positions.extend(job.find_all(attrs={'class': "info-desc"})[0].text.split())         positions.append(','.join(job.find_all(attrs={'class': "tags"})[0].text.split()))         write_to_excel(positions) 
数据效果

获取到数据之后,必要对原首数据进走一些浅易的清洗做事。清洗前必要先思考下你必要获取哪些新闻,有针对性的清洗。

一探原形

本次可视化分析工具是 Pyecharts

从技能标签找学习倾向

将一切公司的技能标签统计后,绘制前十的技能需求直方图。从图中很清晰地望到遥遥领先的别离是Python、SQL,数据分析思想及能力及Excel也紧跟其后。像幼编做的数据发掘技能需求量也不幼。

犹如在数据分析职位中,Pythoner和SQL boy都是专门抢手的。

哪些城市的数分岗位更炎门

由全国地理图可望的出,北上广深添苏州、厦门、杭州等都是很炎门的城市,你会选择哪个城市?

全国都有哪些公司雇用数分职位

以公司名称的大幼来外示各个公司雇用职位数日本无限看免费,绘制雇用公司词云图。很清晰地望的出如腾讯、阿里、OPPO、Boss等大厂需求量较大,因此机会也多。因此行家学益数据分析,进入大厂不是梦。

谈钱不伤情感

行家最关心的照样一个职位能给到吾多少钱,比较还要养家糊口。

从全国各城市平均薪资排走榜望,遥遥领先的是北京、深圳、上海和杭州,别离是23K、19.7K、18.6K和18.5K。而幼编所在的城市——成都,只有9K。文章不想写了,吾想静静。。。

望完各城市平均薪资,再来瞧瞧各个走业的平均薪资吧。人力资源服务及银走这两个走业均超过了20K。

最先随机查望一幼我力资源服务的,这类职位多为商业数据分析,该职位的特点是高学历是硬性,但对于工具行使请求不高,只需谙练行使EXCEL即可,必要些管理经验。

再望望银走走业,薪资程度真香!固然异国说学历请求,但能够是一个默认的情况吧。职位描述中多次挑及到营业数据,表明他对营业请求较高。必要会SQL语句,必要会搭建数据分析模型,这类模型纷歧定是机器学习模型,也会有很多统计类、数学类模型等等。

为啥北京公司的工资高

单独分析下北京的数据分析公司情况,公司周围在1000-9999人占比第一,达到37.2%,10000人以上的公司也高达22.87%,都是些大厂,工资程度能不高么。

有人说,公司人多,纷歧定有钱呐。益嘛,再来望望他们公司的融资阶段情况呢。D轮及以上上市的公司已经挨近一半了,多半都是有钱的主哇。

成都数据分析公司啥情况

占比最多的是20-99人的幼型公司,周围在1000-9999人的公司仅有34家,跟首都简直不克比。因此成都平均公司程度不过万,也是有因为的。

再来望望公司融资情况,大片面都是未融资的,上市公司仅占12.75%,D轮及以上的也只有5.39%呐。但从另一个角度想想,成都的发展潜力照样很大的。行为西南的主要枢纽城市,自夸他会越来越棒的。

你还有啥想晓畅的——福利呐

末了再来望望行家比较关心的公司福利状况。

始末绘制福利词云图,望到大片面公司的常见福利都照样有的。不测的是少片面公司有挑供纷歧样的福利,如无休住房借款、专属健身房、孝顺金等,真让人醉心哇。

写在末了

末了多说两句。吾们上面分析的内容仅是从一些常见的指标,并不克行为你入职一家公司的主要判定按照。幼我觉得还必要从一家公司的企业文化、公司发展倾向、挑供职位的发展空间、所处走业跟你预期是否相符等等方面综相符衡量。

打铁还需自己硬,选择都是双向的,你想入职一个理想的公司,最先照样必要达到他的岗位请求。这边提出订阅公多号数据STUDIO,每天学习很多硬通货,进入大厂不是梦。

【编辑选举】日本无限看免费

鸿蒙官方战略配相符共建——HarmonyOS技术社区 MySQL 一棵 B+ 树能存多少条数据? 分析师称隐私和坦然更新将是WWDC 21主要焦点 与暗客讨价还价,勒索抨击企业数据是关键 一款重大的芯片nRF52840及行使蓝牙5.0实现数据长途采集 Redis持久化锦囊在手,再也不会不安数据丢失了