小案例:用Pandas分析招聘网Python岗位信息
1. 读取数据
import pandas as pd
import numpy as np
df = pd.read_csv('data/Jobs.csv')
df.head(2)
# 总数
len(df)
356
2. 新增city字段
df['job_area'].unique()
array(['深圳·南山区', '深圳·龙岗区', '深圳', '深圳·福田区', '深圳·光明区', '深圳·龙华区', '深圳·宝安区',
'job_area', '北京', '北京·朝阳区', '北京·海淀区', '北京·通州区', '北京·东城区', '北京·丰台区',
'北京·大兴区', '北京·昌平区', '北京·西城区', '上海', '上海·杨浦区', '上海·浦东新区', '上海·徐汇区',
'上海·长宁区', '上海·青浦区', '上海·静安区', '上海·普陀区', '上海·黄浦区', '上海·闵行区',
'上海·虹口区', '上海·松江区', '广州·增城区', '广州·黄埔区', '广州·越秀区', '广州·番禺区',
'广州·天河区', '广州', '广州·海珠区', '广州·荔湾区', '广州·白云区'], dtype=object)
def extract_city(job_area):
if '深圳' in job_area:
return '深圳'
elif '广州' in job_area:
return '广州'
elif '北京' in job_area:
return '北京'
elif '上海' in job_area:
return '上海'
else:
return None
extract_city('上海-静安区')
'上海'
df['job_area'].apply(extract_city)
0 深圳
1 深圳
2 深圳
3 深圳
4 深圳
..
351 广州
352 广州
353 广州
354 广州
355 广州
Name: job_area, Length: 356, dtype: object
df['city']=df['job_area'].apply(extract_city)
df.head(2)
3. 三个字段公用一个apply函数
salary experience population
步骤:
正则表达式抽取出数字列表 求均值
import re
text = '300-1000人'
def avg(text):
nums = re.findall('\d+', text)
nums = [float(x) for x in nums]
if nums:
return np.mean(nums)
else:
return 0
avg('300-1000人')
650.0
4. 薪资
salary
df['new_salary'] = df['salary'].apply(avg)
df.head(2)
5. 工作年限
experience
df['experience'].apply(avg)
0 2.0
1 4.0
2 0.0
3 7.5
4 4.0
...
351 4.0
352 2.0
353 6.0
354 4.0
355 0.0
Name: experience, Length: 356, dtype: float64
df['new_experience'] = df['experience'].apply(avg)
df.head(2)
6. 员工人数
population
df['population'].apply(avg)
0 10000.0
1 10000.0
2 10000.0
3 10000.0
4 10000.0
...
351 299.5
352 59.5
353 59.5
354 299.5
355 10.0
Name: population, Length: 356, dtype: float64
df['new_population'] = df['population'].apply(avg)
df.head(2)
7. 教育
设计一个函数，出现正规学历，返回True(包括”不限“) 使用逻辑索引，把正规学历的招聘信息都保留
df['edu'].unique()
array(['本科', '博士', '硕士', '大专', '不限', 'edu', '6个月', '3个月', '7个月', '4天/周'],
dtype=object)
def edu_bool(level):
if level in ['本科', '博士', '硕士', '大专', '不限']:
return True
else:
return False
edu_bool('博士')
True
df['Edu_bool'] = df['edu'].apply(edu_bool)
df.head(2)
# 逻辑索引
new_df = df[df['Edu_bool']==True]
new_df.head(2)
8. 城市/薪酬关系
city/salary
会用到df.groupby
new_df.groupby('city').mean()
9. 学历/薪酬关系
edu/salary
会用到df.groupby
new_df.groupby('edu').mean()
10. 城市/学历/薪酬关系
透视表
pd.pivot_table(df, index, columns, values, aggfunc, margins)
pd.pivot_table(new_df,
index='city',
columns='edu',
values='new_salary',
aggfunc=np.mean,
margins=True)
往期文章
小案例: Pandas的apply方法 用Python绘制近20年地方财政收入变迁史视频 Python语法快速入门 Python网络爬虫与文本数据分析 读完本文你就了解什么是文本分析 文本分析在经管领域中的应用概述 综述:文本分析在市场营销研究中的应用 从记者的Twitter关注看他们稿件的党派倾向？ Pandas时间序列数据操作 70G上市公司定期报告数据集 文本数据清洗之正则表达式 shreport库: 批量下载上海证券交易所上市公司年报 Numpy和Pandas性能改善的方法和技巧 漂亮~pandas可以无缝衔接Bokeh YelpDaset: 酒店管理类数据集10+G 半个小时学会Markdown标记语法
后台回复关键词【岗位分析】下载代码和数据
点击左下角可直达B站本文的视频讲解
- END -