「數(shù)據(jù)游戲」：數(shù)據(jù)告訴你多讀書到底能不能多賺錢？

alphahans 發(fā)布于2019-07-31 10:28 / 1494人閱讀

摘要：今天，我就用數(shù)據(jù)告訴你，書中到底有沒有黃金屋。數(shù)據(jù)來源利用的拉勾爬蟲爬取了拉勾杭州站，要求年工作經(jīng)驗(yàn)的條招聘數(shù)據(jù)。原始數(shù)據(jù)的薪資是一個(gè)區(qū)間，將區(qū)間拆分為最低與最高兩個(gè)變量。大專本科碩士工資單位月最低工資分布最高薪資

北起漠河南至曾母暗沙，東達(dá)撫遠(yuǎn)西至斯姆哈納。在廣袤的中國土地上，千百年一直流傳著古老的傳說：書中自有黃金屋。

今天，我就用數(shù)據(jù)告訴你，書中到底有沒有黃金屋。

數(shù)據(jù)來源

利用 Max 的拉勾爬蟲爬取了拉勾杭州站，要求3～5年工作經(jīng)驗(yàn)的1000條招聘數(shù)據(jù)。

簡單數(shù)據(jù)分析 疑問1:不同學(xué)歷進(jìn)的公司規(guī)模有明顯不同嗎？

positionlist_grouped = positionlist.groupby(by = ["companySize","education"],as_index = False).count()

將數(shù)據(jù)按照公司規(guī)模與教育程度分組。

plt.rcParams["font.family"] = ["Arial Unicode MS"] 
plt.rcParams["axes.unicode_minus"] = False 
 
sns.set_style("whitegrid",{"font.sans-serif":["Arial Unicode MS","Arial"]})


# Draw a nested barplot to show survival for class and sex
g = sns.catplot(x="companySize", y="positionId", hue="education", data=positionlist_grouped,
                height=6, kind="bar", palette="muted")
g.despine(left=True)
g.set_ylabels("count");

繪制分組數(shù)據(jù)的條形圖。

從圖上可以看到，雖然明確要求碩士的崗位比較少，但是不同規(guī)模的公司對學(xué)習(xí)要求的分布基本一致。

不同學(xué)歷進(jìn)的公司規(guī)模沒有明顯不同。

疑問2:不同學(xué)歷進(jìn)的公司財(cái)務(wù)狀況有明顯不同嗎？

做法與疑問1一樣，區(qū)別是將數(shù)據(jù)按照財(cái)務(wù)狀況和學(xué)歷進(jìn)行分組，然后繪制分布的條形圖。

groupbyfe = positionlist.groupby(by = ["financeStage","education"],as_index = False).count()

我們可以看到 C 輪的公司開放給大專學(xué)歷的崗位相比 B 輪有一個(gè)斷崖式的下跌。餅圖會更明顯的反應(yīng)出這個(gè)現(xiàn)象。

plt.pie("positionId",labels = "financeStage",data = groupbyfe[groupbyfe["education"] == "大專"],autopct="%1.1f%%")
plt.title("專科");
....
....# 省略了繪制本科的代碼
....# 省略了繪制碩士的代碼

對比三個(gè)餅圖，注意觀察本科和專科,B、C 輪公司的分布，我們可以看到 C 輪的公司提供給專科學(xué)歷的人的崗位占比非常的低。

所以對于疑問2，我的看法是：不同學(xué)歷進(jìn)的公司財(cái)務(wù)狀況基本一致，但是 C 輪的公司可能更傾向于招募本科及本科以上學(xué)歷的員工。

疑問3:不同的崗位對學(xué)歷的要求有明顯不同嗎？

對于這個(gè)問題，我繪制了詞云。

首先將數(shù)據(jù)按照職位類別和學(xué)歷進(jìn)行分組并統(tǒng)計(jì)頻數(shù)

僅保留分組數(shù)據(jù)的職位類別和學(xué)歷列

將新的數(shù)據(jù)轉(zhuǎn)置

將職位類別行設(shè)置為列名

利用 pandas 的 to_dict 方法生成詞頻數(shù)據(jù)

利用 wordcloud 的 generate_from_frequencies 方法繪制詞頻

positionlist_grouped = positionlist.groupby(by = ["secondType","education"],as_index = False).count()
grouped_dz = positionlist_grouped[positionlist_grouped["education"] == "大專"].loc[:,["secondType","positionId"]].T.dropna(axis = 1)
grouped_dz.rename(columns=grouped_dz.loc["secondType",:],inplace = True)
grouped_dz.drop(labels = "secondType",inplace=True)

from wordcloud import WordCloud
wordcloud = WordCloud(font_path="/Library/Fonts/Songti.ttc",background_color="white").generate_from_frequencies(grouped_dz.to_dict("records")[0])
plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
plt.show()

上面三張圖由左至右分別是專科、本科與碩士學(xué)歷的職位詞云。

可以看到銷售相關(guān)的工作要求專科學(xué)歷即可，運(yùn)營、后端開發(fā)、移動前端開發(fā)、產(chǎn)品經(jīng)理等崗位對學(xué)歷的要求專科、本科平分秋色。而一些當(dāng)下火熱的崗位，比如人工智能、硬件開發(fā)、數(shù)據(jù)開發(fā)等，大部分公司對學(xué)歷的要求是碩士。

疑問4:不同學(xué)歷的薪資有明顯不同嗎？

終于，到了最核心也是大家最關(guān)心的部分。

原始數(shù)據(jù)的薪資是一個(gè)區(qū)間，將區(qū)間拆分為最低與最高兩個(gè)變量。

positionlist["Lsalary"]=positionlist["salary"].str.split("-",expand  = True)[0].str[:-1].astype(int)
positionlist["Hsalary"]=positionlist["salary"].str.split("-",expand  = True)[1].str[:-1].astype(int)

繪制不同學(xué)歷的最低薪資與最高薪資分布直方圖。

x = positionlist[positionlist["education"] == "大專"].loc[:,["Lsalary"]]
y = positionlist[positionlist["education"] == "本科"].loc[:,["Lsalary"]]
z = positionlist[positionlist["education"] == "碩士"].loc[:,["Lsalary"]]
ax = sns.distplot(x)
ax = sns.distplot(y)
ax = sns.distplot(z)
ax.set_xlabel("工資(單位K/月)")
ax.set_title("最低工資分布");
#*****最高薪資