【MySQL】数据分析职位求职指南数据清洗

通过八爪鱼软件,爬取了前程无忧网和猎聘网关键词“数据分析”的全国范围内1月内发布的企业职位。

本次分析源数据的职位发布日期:2019年7月20日-2019年7月30日

清洗完成后,用于分析的数据2875条


数据清洗

数据结构

爬取到的原始数据有X条,使用MySQL对爬取的原始数据进行清洗。

原始数据字段:

id int(255):序号

jobtitle VARCHAR(255) :职位名称

company VARCHAR(255):公司名称

salary VARCHAR(255):薪酬

position VARCHAR(255):工作地

qualification VARCHAR(255):职位要求,包括学历、工作经验、语言、年龄

tag VARCHAR(255):职位标签,包括五险一金、年底双薪、节日福利等

industry VARCHAR(255):行业

size VARCHAR(255):公司规模,人员数


职位名称

删除空值:

DELETE

FROM

liepin

WHERE

jobtitle IS NULL;

删除与数据分析无关的职位:

DELETE

FROM

51job

WHERE

jobtitle NOT LIKE '%数据%分析%'

AND jobtitle NOT LIKE '%大数据%'

AND jobtitle NOT LIKE '%数据%运营%'

AND jobtitle NOT LIKE '%DBA%';


薪酬数据

将薪酬算为平均年薪:

--提取 salary,获得 min - max - average salary

--新建列

ALTER TABLE liepin ADD ( min_salary FLOAT ( 10 ), max_salary FLOAT ( 10 ), average_salary FLOAT ( 10 ) );

--when `salary` LIKE '%面议%',min / max / average = 0

UPDATE liepin

SET min_salary = 0,

max_salary = 0,

average_salary = 0

WHERE

salary LIKE '%面议%';

--salary不是面谈时,salary格式 'min-max万' --min_salary = min

UPDATE liepin

SET min_salary = SUBSTRING_INDEX( salary, '-', 1 )

WHERE

salary LIKE '%-%万%';

--max_Salary = max

UPDATE liepin

SET max_salary = (

SUBSTRING( SUBSTRING_INDEX( salary, '万', 1 ), LOCATE( '-', SUBSTRING_INDEX( salary, '万', 1 ) ) + 1 )

)

WHERE

salary LIKE '%-%万%';

--average_salary = ( min + max ) / 2

UPDATE liepin

SET average_salary = ( min_salary + max_salary ) / 2

WHERE

salary LIKE '%-%万%';


工作地域

将工作地域分成两个字段,分成城市和区域,例如:字段1:北京  字段2:朝阳区

ALTER TABLE liepin ADD (

position1 VARCHAR(255),

position2 VARCHAR(255)

);

UPDATE liepin SET position1 = position

WHERE position NOT LIKE '%-%';

UPDATE liepin SET position2 = 'null'

WHERE position NOT LIKE '%-%';

UPDATE liepin SET position1 = SUBSTRING_INDEX(`position`,'-',1)

WHERE position LIKE '%-%';

UPDATE liepin SET position2 = SUBSTRING(`position`,LOCATE('-',`position`)+1)

WHERE position LIKE '%-%';


职位要求

把职位要求分成学历、经验、年龄和语言:

ALTER TABLE liepin ADD ( education VARCHAR ( 255 ), experience VARCHAR ( 255 ), age VARCHAR ( 255 ), LANGUAGE VARCHAR ( 255 ) );

--学历

UPDATE liepin

SET education = substring_index( qualification, ' ', 1 );

--工作经验

UPDATE liepin

SET experience = SUBSTRING( SUBSTRING_INDEX( qualification, ' ', 37 ), - 5 );

--年龄要求

UPDATE liepin

SET age = substring_index( qualification, ' ',- 1 );

--工作语言

UPDATE liepin

SET LANGUAGE = SUBSTRING( SUBSTRING_INDEX( qualification, ' ', 73 ), - 5 );


职位标签

将职位标签分开存入不同字段:

ALTER TABLE liepin ADD ( label1 VARCHAR ( 255 ), label2 VARCHAR ( 255 ) );

UPDATE liepin

SET label1 = SUBSTRING_INDEX( tag, ' ', 1 );

UPDATE liepin

SET label2 = SUBSTRING_INDEX( tag, ' ', - 1 );


行业

将行业简化划分:

ALTER TABLE liepin ADD ( industry1 VARCHAR ( 255 ) );

UPDATE liepin

SET industry1 = '其他'

WHERE

industry IS NOT NULL;

UPDATE liepin

SET industry1 = '互联网/电子商务'

WHERE

industry LIKE '%互联网%';

UPDATE liepin

SET industry1 = '投资'

WHERE

industry LIKE '%投资%';

UPDATE liepin

SET industry1 = '计算机软件'

WHERE

industry LIKE '%计算机%';

UPDATE liepin

SET industry1 = 'IT服务'

WHERE

industry LIKE '%IT%';

UPDATE liepin

SET industry1 = '咨询'

WHERE

industry LIKE '%咨询%';

UPDATE liepin

SET industry1 = '保险'

WHERE

industry LIKE '%保险%';

UPDATE liepin

SET industry1 = '银行'

WHERE

industry LIKE '%银行%';

UPDATE liepin

SET industry1 = '服装'

WHERE

industry LIKE '%服装%';

UPDATE liepin

SET industry1 = '通信'

WHERE

industry LIKE '%通信%';

UPDATE liepin

SET industry1 = '食品'

WHERE

industry LIKE '%食品%';

UPDATE liepin

SET industry1 = '百货'

WHERE

industry LIKE '%百货%';

UPDATE liepin

SET industry1 = '游戏'

WHERE

industry LIKE '%游戏%';

UPDATE liepin

SET industry1 = '房地产'

WHERE

industry LIKE '%房地产%';


公司规模

将公司规模统一为:1-49人、50-99人、...、10000人以上

ALTER TABLE liepin ADD ( size1 VARCHAR ( 255 ) );

UPDATE liepin

SET size1 = SUBSTRING_INDEX( size, ':',- 1 )

WHERE

size LIKE '%人%';


存入新表

将清洗过的,需要用来分析的数据存入新表

CREATE TABLE data (

id INT ( 255 ) auto_increment PRIMARY KEY,

jobtitle VARCHAR ( 255 ),

company VARCHAR ( 255 ),

average_salary FLOAT ( 10 ),

position1 VARCHAR ( 255 ),

position2 VARCHAR ( 255 ),

education VARCHAR ( 255 ),

experience VARCHAR ( 255 ),

age VARCHAR ( 255 ),

language VARCHAR ( 255 ),

industry1 VARCHAR ( 255 ),

size1 VARCHAR ( 255 ) ,

label1 VARCHAR ( 255 ),

label2 VARCHAR ( 255 )

);

ALTER TABLE data auto_increment = 1;

INSERT INTO data ( jobtitle, company, average_salary, position1, position2, education, experience, age, LANGUAGE, industry1, size1, label1, label2 ) SELECT DISTINCT

jobtitle,

company,

average_salary,

position1,

position2,

education,

experience,

age,

language,

industry1,

size1,

label1,

label2

FROM

liepin;


数据清洗部分结束。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 230,362评论 6 544
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 99,577评论 3 429
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 178,486评论 0 383
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 63,852评论 1 317
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 72,600评论 6 412
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 55,944评论 1 328
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 43,944评论 3 447
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 43,108评论 0 290
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 49,652评论 1 336
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 41,385评论 3 358
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 43,616评论 1 374
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 39,111评论 5 364
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 44,798评论 3 350
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 35,205评论 0 28
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 36,537评论 1 295
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 52,334评论 3 400
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 48,570评论 2 379