前程无忧python岗位信息爬取和分析
项目简介
爬取12月14日所有前程无忧中的python岗位信息, 共33751条数据
-
分析python岗位的以下情况:
各个城市的岗位数量分布
不同学历要求下的岗位数量分布
工作经验年限与工资的关系
城市与工资的关系
岗位要求的技能关键词的词频
项目地址: https://github.com/397460848/51job-spider-and-data-analysis
项目内容
-
各城市的岗位数量分布
不同学历要求下的岗位数量分布
-
有一些岗位没有学历要求, 所以只有28000多条数据
- 工作经验年限与工资的关系
所有的单位全部换算成了(元/月)
岗位的工资一般都是一个区间, 在该次分析中都是使用工资区间的下限*1.2来计算的, 我认为这样可以较为准确的反应出岗位的实际工资
-
使用箱型图可以比较好的忽略异常值, 反应出大体的工资情况
-
城市与工资的关系
-
为了方便展示, 只统计了岗位最多的8个城市
-
- 岗位要求的技能关键词的词云
-
词频统计如下, 大家可以观察一下哪些技能关键词是python岗位被提及较多的
使用的库
爬虫部分:
requests: 用于请求url
redis: 可以使用python连接redis, 用于临时存储url
pymongo: 可以使用python连接mongodb, 存储爬下来的数据
lxml: 主要使用其中的xpath相关模块, 用于解析html
multiprocessing: 内置库, 用于开启线程池, 加快爬取速度
作图部分:
matplotlib: 用于作图
jieba: 用于中文分词
collections: 内置库, 用于统计词频
wordcloud: 用于生成词云图片
PIL: 用于图像处理
未提交部分
- 作图的部分是使用jupyer notebook写的, 代码写的太乱, 没有提交, 后续优化后提交