Numpy（Numerical Python的簡稱）是Python科學計算的基礎包。它提供了以下功能： 快速高效的多維陣列物件ndarray。 用於對陣列執行元素級計算以及直接對陣列執行數學運算的函式。 用於讀寫硬碟上基於陣列的資料集的工具。 線性代數運算、傅立葉變換，以及隨機數生成。 用於將C、C++、Fortran程式碼整合到Python的工具。 除了為Python提供快速的陣列處理能力，Numpy在資料分析方面還有另外一個主要作用，即作為在演算法之間傳遞資料的容器。對於數值型資料，Numpy陣列在儲存和處理資料時要比內建的Python資料結構高效的多。此外，由低階語言（比如C和Fortran）編寫的庫可以直接操作Numpy陣列中的資料，無需進行任何資料複製工作。

Pandas這個名字本身源於panel data（面板資料，這是計量經濟學中關於多維結構化資料集的一個術語）以及Python data analysis。pandas提供了使我們能夠快速便捷地處理結構化資料的大量資料結構和函式。Pandas中用的最多的是DataFrame，它是一個面向列的二維表結構，且含有行標和列標。pandas兼具numpy高效能的陣列計算功能以及電子表格和關係型資料庫(如SQL)靈活的資料處理功能。它提供了複雜精細的索引功能，以便更為便捷地完成重塑、切片和切塊、聚合以及選取資料子集等操作。

Matplotlib是Python中常用的視覺化繪相簿，可以通過簡單的幾行程式碼生成直方圖，功率譜，條形圖，錯誤圖，散點圖等。Seaborn、ggplot、等諸多Python視覺化庫均是在此基礎上開發的，所以學會matplotlib的基礎操作還是很有必要的！它和Ipython結合的很好，提供了一種非常好用的互動式資料繪圖環境。繪製的圖表也是互動式的，你可以利用繪圖視窗中的工具欄放大圖表中的某個區域或對整個圖表進行平移瀏覽。

資料來源： Python爬蟲爬取了智聯招聘關鍵詞：【Python】、全國30個主要城市的搜尋結果，總職位條數：18326條(行)，其中包括【職位月薪】、【公司連結】、【工作地點】、 【崗位職責描述】等14個欄位列，和一個索引列【ZL_Job_id】共計15列。資料儲存在本地MySql伺服器上，從伺服器上匯出json格式的檔案，再用Python進行資料讀取分析和視覺化。

資料簡單清洗： 1.首先在終端中開啟輸入ipython --pylab。在Ipython的shell介面裡匯入常用的包numpy、pandas、matplotlib.pyplot。用pandas的read_json（）方法讀取json檔案，並轉化為用df命名的DataFrame格式檔案。（DataFrame格式是Pandas中非常常用且重要的一種資料儲存格式、類似於Mysql和Excel中的表。）

import numpy as np import pandas as pd import matplotlib.pyplot as plt df = pd.read_json(’/Users/zhaoluyang/Desktop/Python_全國JSON.json’)

#檢視df的資訊 df.info() df.columns 可以看到讀取的df格式檔案共有15列，18326行，pandas預設分配了索引值從0~18325。還有一點值得注意的：全部的15列都有18326個非空值，因為當初寫爬蟲程式碼時設定了， 如果是空值，譬如：有一條招聘資訊其中【福利標籤】空著沒寫，那麼就用字串代替，如“found no element”。

2.讀取JSON檔案時pandas預設分配了從0開始的索引，由於檔案’ZL_Job_id’列中自帶索引，故將其替換!替換後，用sort_index()給索引重新排列。

df.index = df[‘ZL_Job_id’]#索引列用’ZL_Job_id’列替換。 del(df[‘ZL_Job_id’])#刪除原檔案中’ZL_Job_id’列。 df_sort = df.sort_index()#給索引列重新排序。 df = df_sort df[[‘工作地點’,‘職位月薪’]].head(10) 3.下面，將進行【職位月薪】列的分列操作，新增三列【bottom】、【top】、【average】分別存放最低月薪、最高月薪和平均月薪。 其中try語句執行的是絕大多數情況：職位月薪格式如：8000-10000元/月，為此需要對【職位月薪】列用正則表示式逐個處理，並存放至三個新列中。 處理後bottom = 8000,top = 10000,average = 9000. 其中不同語句用於處理不同的情況，譬如【職位月薪】=‘面議’、‘found no element’等。對於字元形式的‘面議’、‘found no element’ 處理後保持原字元不變，即bottom = top = average = 職位月薪。 q1,q2,q3,q4用來統計各個語句執行次數.其中q1統計職位月薪形如‘6000-8000元/月’的次數；q2統計形如月收入‘10000元/月以下’；q3代表其他情況如‘found no element’,‘面議’的次數；q4統計失敗的特殊情況。

import re df[‘bottom’] = df[‘top’] = df[‘average’] = df[‘職位月薪’] pattern = re.compile(’([0-9]+)’) q1=q2=q3=q4=0

for i in range(len(df[‘職位月薪’])): item = df[‘職位月薪’].iloc[i].strip() result = re.findall(pattern,item) try: if result: try: #此語句執行成功則表示result[0],result[1]都存在，即職位月薪形如‘6000-8000元/月’ df[‘bottom’].iloc[i],df[‘top’].iloc[i] = result[0],result[1] df[‘average’].iloc[i] = str((int(result[0])+int(result[1]))/2) q1+=1

        except:更多幹貨分享加python程式語言學習QQ群 515267276
        #此語句執行成功則表示result[0]存在，result[1]不存在，職位月薪形如‘10000元/月以下’
            df['bottom'].iloc[i] = df['top'].iloc[i] = result[0]
            df['average'].iloc[i] = str((int(result[0])+int(result[0]))/2)
            q2+=1
    else:
    #此語句執行成功則表示【職位月薪】中並無數字形式存在，可能是‘面議’、‘found no element’
        df['bottom'].iloc[i] = df['top'].iloc[i] = df['average'].iloc[i] = item
        q3+=1

except Exception as e:
    q4+=1
    print(q4,item,repr(e))

for i in range(100):#測試一下看看職位月薪和bottom、top是否對的上號 print(df.iloc[i][[‘職位月薪’,‘bottom’,‘top’,‘average’]])#或者df[[‘職位月薪’,‘bottom’,‘top’,‘average’]].iloc[i]也可

df[[‘職位月薪’,‘bottom’,‘top’,‘average’]].head(10)

經過檢查，可以發現【職位月薪】和新增的bottom、top、average列是能對的上。其中形如‘6000-8000元/月’的有16905條、形如‘10000元以下’的 有61條、'found no element’和’面議’加起來有1360條，總數18326條，可見是正確的。

4.進行【工作地點】列的處理，新增【工作城市】列，將工作地點中如‘蘇州-姑蘇區’、‘蘇州-工業園區’等統統轉化為‘蘇州’存放在【工作城市】列。

df[‘工作城市’] = df[‘工作地點’] pattern2 = re.compile(’(.*?)(-)’) df_city = df[‘工作地點’].copy()

for i in range(len(df_city)): item = df_city.iloc[i].strip() result = re.search(pattern2,item) if result: print(result.group(1).strip()) df_city.iloc[i] = result.group(1).strip() else: print(item.strip()) df_city.iloc[i] = item.strip()

df[‘工作城市’] = df_city df[[‘工作地點’,‘工作城市’]].head(20)

檢查一下，沒有錯誤，可以進行下一步的操作了！

資料分析和視覺化 從可讀性來看，應該是先進行資料清洗，然後進行分析及視覺化，但是實際過程中，往往是交織在一起的， 所有下面讓我們一步步來，完成所有的清洗、分析和視覺化工作。除了具體的公司和職位名稱以外，我們還比較關心幾個關鍵詞： 平均月薪、工作經驗、工作城市、最低學歷和崗位職責描述，這裡崗位職責描述以後會用python分詞做詞雲圖，所以目前篩選出 【平均月薪】、【工作經驗】、【工作城市】、【最低學歷】這四個標籤，這些標籤可以兩兩組合產生各種資料。譬如我想知道各個城市的招聘數量分佈情況， 會不會大部分的工作機會都集中在北上廣深？是不是北上廣深的平均工資也高於其他城市？我想知道Python這個關鍵詞的18000多條招聘資料中 對學歷的要求和對工作經驗的要求，以及它們分別佔比多少？我還想知道平均月薪和工作經驗的關係？最低學歷和平均月薪的關係？ 和上一篇（Execel篇）類似，不同的是，這次我們完全用Python實現同樣的操作。

1.各個城市職位數量及分佈 根據猜想，北上廣深，一定佔據了Python這個關鍵詞下大部分的工作機會，會不會符合28定律？20%的城市佔據了80%的崗位？ 有可能！我們先用df.工作城市.value_counts()看一下究竟有多少個城市，以及他們各自有多少條工作資料？

df.工作城市.value_counts()#等價於df[‘工作城市’].value_counts()

#再用count()來看一下統計出來的城市數量 df.工作城市.value_counts().count() type(df.工作城市.value_counts())#用type()檢視下型別。

可以看到，明明設定的是搜尋30個城市，怎麼變成了40？像延邊、琿春、白山。。。。是什麼鬼？想了一下，這些城市是搜尋關鍵詞城市‘吉林市’時，自動冒出來的；還有95個‘found no element’，是這些職位連結本身就沒有填寫工作城市，為了避免干擾，要把他們統統替換成空值。用df_工作城市 = df[‘工作城市’].replace（）

#將原來df[‘工作城市’]列中選定的欄位替換成空值nan df_工作城市 = df[‘工作城市’].replace([‘found no element’,‘松原’,‘遼源’,‘琿春’,‘白山’,‘公主嶺’,‘白城’,‘延邊’,‘四平’,‘通化’],np.nan)

#檢視替換後各個城市職位計數 df_工作城市.value_counts()

#檢視替換後城市所包含的職位總數；檢視替換後的城市數量，是否等於30. df_工作城市

#將新的[df_工作城市]列新增到df表中，留作備用 更多幹貨分享加python程式語言學習QQ群 515267276 df[‘df_工作城市’] = df_工作城市

看了一下，沒有問題，現在df_工作城市中篩選出了30個城市，合計18211條職位資料。 為了資料完整性，df表保持原樣，我們用df_工作城市直接操作，進行下一步的視覺化。先直接上程式碼和圖，再一一解釋下。

fig1 = plt.figure(1,facecolor = ‘black’)#設定檢視畫布1 ax1 = fig1.add_subplot(2,1,1,facecolor=’#4f4f4f’,alpha=0.3)#在檢視1中設定子圖1,背景色灰色，透明度0.3(figure.add_subplot 和plt.suplot都行) plt.tick_params(colors=‘white’)#設定軸的顏色為白色 df_工作城市.value_counts().plot(kind=‘bar’,rot=0,color=’#ef9d9a’)#畫直方圖圖

#設定圖示題，x和y軸標題 title = plt.title(‘城市——職位數分佈圖’,fontsize=18,color=‘yellow’)#設定標題 xlabel = plt.xlabel(‘城市’,fontsize=14,color=‘yellow’)#設定X軸軸標題 ylabel = plt.ylabel(‘職位數量’,fontsize=14,color=‘yellow’)#設定Y軸軸標題

#設定說明，位置在圖的右上角 text1 = ax1.text(25,4500,‘城市總數:30(個)’,fontsize=12, color=‘cyan’)#設定說明，位置在圖的右上角 text2 = ax1.text(25,4000,‘職位總數:18326(條)’,fontsize=12, color=‘cyan’) text3 = ax1.text(25,3500,‘有效職位:18211(條)’,fontsize=12, color=‘red’)

#新增每一個城市的座標值 for i in range(len(list_1)): ax1.text(i-0.3,list_1[i],str(list_1[i]),color=‘yellow’)

#可以用plt.grid(True)新增柵格線 #可以用下面語句添加註釋箭頭。指向上海，xy為座標值、xytext為註釋座標值，facecolor為箭頭顏色。 #arrow = plt.annotate(‘職位數:3107’, xy=(1,3107), xytext=(3, 4000),color=‘blue’,arrowprops=dict(facecolor=‘blue’, shrink=0.05)) ax2 = fig1.add_subplot(2,1,2)#設定子圖2，是位於子圖1下面的餅狀圖 #為了方便，顯示前8個城市的城市名稱和比例、其餘的不顯示，用空字元列表替代，為此需要構造列表label_list和一個空字元列表[’’]*23。 x = df_工作城市.value_counts().values#x是數值列表，pie圖的比例根據數值佔整體的比例而劃分 label_list = []#label_list是構造的列表，裝的是前8個城市的名稱+職位佔比。 for i in range(8): t = df_工作城市.value_counts().values[i]/df_工作城市.value_counts().sum()*100 city = df_工作城市.value_counts().index[i] percent = str(’%.1f%%’%t) label_list.append(city+percent)

#labels引數原本是與數值對應的標籤列表，此處30個城市過多，所以只取了前8個城市顯示。 #explode即餅圖中分裂的效果explode=（0.1，1，1，。。）表示第一塊圖片顯示為分裂效果 labels = label_list + [’’]*22 explode = tuple([0.1]+[0]*29) plt.pie(x,explode=explode,labels=labels,textprops={‘color’:‘yellow’})

#可加引數autopct=’%1.1f%%'來顯示餅圖中每一塊的比例，但是此處30個城市，如果全顯示的話會非常擁擠不美觀，所以只能手動通過labels引數來構造。 #若要顯示標準圓形，可以新增：plt.axis(‘equal’)

可以看見，這個曲線下降的弧度還是挺美的，北上深杭廣5個城市佔據了超過60%以上的職位數。其中北京當之無愧的佔據了四分之一的Python工作數量，不愧為帝都。 上海以3107條職位排名第二，可見上海雖然經濟超越北京，在網際網路環境和工作機遇方面還需努力！深圳作為中國的科技中心，排名第三我是沒疑問的，杭州竟然超過廣州排名第四！不過也可以想到，阿里巴巴、百草味等等電商產業帶動了整個杭州的網際網路文化！更多幹貨分享加python程式語言學習QQ群 515267276 【北上深杭廣】+成都、南京、鄭州，這8個城市佔據了全國30座城市中，近80%的工作機會！剩下的22個城市合起來只佔據了20%，果然，是基本符合28定律的。。。

2.工作經驗-職位數量及分佈 Python雖然是一名比較老的語言，但是在人們的印象中火起來也就最近幾年，Python相關的工作對於【工作經驗】是怎樣要求的呢？讓我們來看看！

df.工作經驗.value_counts()#統計【工作經驗】下各個欄位的累計和

可以看見出現了一些很數字少量的欄位譬如“5年以上”，“2年以上”，“1-2年”，“1年以上”等，這些標籤下職位的數量都在10以內，不太具備統計意義，所以我們作圖的時候不想讓他們出現，必須篩選掉。 下面我們還是通過同樣的步驟來清除掉此類資料。

df_工作經驗 = df[‘工作經驗’].replace([‘found no element’,‘3年以上’,‘1年以上’,‘5年以上’,‘2年以上’,‘1-2年’],np.nan) df_工作經驗.value_counts() df_工作經驗.value_counts().sum()

現在，可以進行下一步可視化了，還是做2張圖：直方圖和餅圖。通過這兩張圖可以直觀地看到這麼多職位中對不同工作經驗的要求佔比，好做到心裡有數！

fig2 = plt.figure(2,facecolor = ‘black’) ax2_1 = fig2.add_subplot(2,1,1,facecolor=’#4f4f4f’,alpha=0.3) plt.tick_params(colors=‘white’) df_工作經驗.value_counts().plot(kind = ‘bar’,rot = 0,color=’#7fc8ff’) title = plt.title(‘工作經驗——職位數分佈圖’,fontsize = 18,color = ‘yellow’) xlabel = plt.xlabel(‘工作經驗’,fontsize = 14,color = ‘yellow’) ylabel = plt.ylabel(‘職位數量’,fontsize = 14,color = ‘yellow’) plt.grid(True) text1_ = ax2_1.text(5,5600,‘城市總數:30(個)’,fontsize=12, color=‘yellow’) text2 = ax2_1.text(5,4850,‘職位總數:18326(條)’,fontsize=12, color=‘yellow’) text3 = ax2_1.text(5,4100,‘有效職位:18215(條)’,fontsize=12, color=‘cyan’)

#設定子圖2，是位於子圖1下面的餅狀圖 ax2_2 = fig2.add_subplot(2,1,2)

#x是數值列表，pie圖的比例根據數值佔整體的比例而劃分 x2 = df_工作經驗.value_counts().values labels = list(df_工作經驗.value_counts().index[:5])+ [’’]*2 explode = tuple([0.1,0.1,0.1,0.1,0.1,0.1,0.1]) plt.pie(x2,explode=explode,labels=labels,autopct=’%1.1f%%’,textprops={‘color’:‘yellow’}) plt.axis(‘equal’)#顯示為等比例圓形

#設定圖例，方位為右下角 legend = ax2_2.legend(loc=‘lower right’,shadow=True,fontsize=12,edgecolor=‘cyan’)

總共得到18215條職位。從直方圖裡可以明顯看出工作機會集中在’不限’、‘1-3年’、‘3-5年’, 其中工作經驗要求3年以下的（【無經驗】+【不限】+【1年以下】+【1-3年】）合計11501條職位，佔比超過63%，看來即使是初入門者，大家的機會也還是有不少的！ (PS:最後,在df表中新增一列’df_工作經驗’，以後篩選時就可以直接用了，df[‘df_工作經驗’]=df_工作經驗)

3.工作經驗-平均月薪 這個嘛，大家閉著眼都能想到！肯定是工作經驗越久的拿錢越多了！再猜猜？無經驗的和5-10年經驗的收入差距有多大？這個，嘿嘿就不好猜了，讓我們來看看吧！

1.第一步，要想統計工作經驗和平均月薪的關係，那麼我們先看看df中對應的列df.工作經驗和df.average。之前我們構造了一列df_工作經驗，把df.工作經驗中幾個樣本容量小於10的值和‘found no element’全篩選掉了，故df_工作經驗還能繼續使用。現在，讓我們看看df.average的資訊。

df.average.value_counts()

可以看到，其中有1265個值是‘面議’，有95個值是‘found no element’,這些值需要替換成空值，不然會影響下一步工資的計算。

df_平均月薪 = df[‘average’].replace([‘面議’,‘found no element’],np.nan) 2.好了，第一步的簡單資料清洗完成了，我們可以思考下一步了，現在我們想要得到的是不同工作經驗欄位下的平均月薪

A. 首先我需要把df_工作經驗和df_平均月薪這兩列元素放在一起，構造一個DataFrame用於存放df_工作經驗和df_平均月薪這兩列元素,且方便進一步的groupby操作。 B. 其次我需要把df_平均月薪列根據df_工作經驗進行分組(用groupby),分組後我可以求得df_工作經驗下各個欄位的月薪的計數、最大值最小值、累加和、平均值等一系列資料。 C. 當然此處我只需要平均值。對分組後的grouped用mean()方法，就可以輕鬆統計分組內各項的平均值了。

df3=pd.DataFrame(data={‘工作經驗’:df[‘df_工作經驗’],‘平均月薪’:df_平均月薪}) df3.info() grouped3 = df3[‘平均月薪’].groupby(df3[‘工作經驗’]) grouped3.mean()

在進行grouped3.mean()時，我們發現報錯了：DataError: No numeric types to aggregate，看一下，原來df_平均月薪列裡的值都是字元型str，並不是數值型的float，因為前面的步驟沒有做好，留下了這個bug，無奈我們需要對值型別做個轉換。

#構造一個listi存放轉化後float型的‘平均月薪’ import re pattern = re.compile(’([0-9]+)’) listi = [] for i in range(len(df.average)): item = df.average.iloc[i].strip() result = re.findall(pattern,item) try: if result: listi.append(float(result[0])) elif (item.strip()‘found no element’ or item.strip()‘面議’): listi.append(np.nan) else: print(item) except Exception as e: print(item,type(item),repr(e))

#將df3.平均月薪列替換掉,同時給df新增一列’df_平均月薪’做備用。 df3[‘平均月薪’] = listi df[‘df_平均月薪’] = df3[‘平均月薪’]

#看看更新後的資料是否正確 df3[‘平均月薪’].value_counts()#統計每個月薪欄位的個數 df3[‘平均月薪’][:10]#檢視前10個值 type(df3[‘平均月薪’][1])#看看現在月薪的型別是不是浮點型 df3[‘平均月薪’].value_counts().sum()#看看月薪樣本總數 df3[‘平均月薪’].mean()#看看這16966個月薪樣本的平均值是多少？更多幹貨分享加python程式語言學習QQ群 515267276

可以看到，替換後的df3[‘平均月薪’]值從str變為了可以計算的float，月薪樣本總數16966個，樣本的平均月薪14197元。好，現在終於OK了,讓我們再回到之前的步驟：

grouped3 = df3[‘平均月薪’].groupby(df3[‘工作經驗’]) grouped3.mean()

好了，完美，格式對了，資料有了，現在可以來畫圖了！但是再看看，還不是那麼完美，資料大小排列很亂，而且小數點那麼多。。。好吧，讓我們再簡單處理下

#新增一個平均值，即所有非空df3[‘平均月薪’]的平均值 s3 = pd.Series(data = {‘平均值’:df3[‘平均月薪’].mean()}) result3 = grouped3.mean().append(s3) #sort_values()方法可以對值進行排序，預設按照升序，round（1）表示小數點後保留1位小數。 result3.sort_values(ascending=False).round(1)

3.資料視覺化

這次我們畫一個躺倒的柱狀圖(barh)，用ggplot的風格來畫。

matplotlib.style.use(‘ggplot’) fig3 = plt.figure(3,facecolor = ‘black’) ax3 = fig3.add_subplot(1,1,1,facecolor=’#4f4f4f’,alpha=0.3) result3.sort_values(ascending=False).round(1).plot(kind=‘barh’,rot=0)

#設定標題、x軸、y軸的標籤文字 title = plt.title(‘工作經驗——平均月薪分佈圖’,fontsize = 18,color = ‘yellow’) xlabel= plt.xlabel(‘平均月薪’,fontsize = 14,color = ‘yellow’) ylabel = plt.ylabel(‘工作經驗’,fontsize = 14,color = ‘yellow’)

#新增值標籤 list3 = result3.sort_values(ascending=False).values for i in range(len(list3)): ax3.text(list3[i],i,str(int(list3[i])),color=‘yellow’)

#設定標識箭頭 arrow = plt.annotate(‘Python平均月薪:14197元/月’, xy=(14197,3.25), xytext=(20000,4.05),color=‘yellow’,fontsize=16,arrowprops=dict(facecolor=‘cyan’, shrink=0.05))

#設定圖例註釋（16966來源：df2[‘平均月薪’].value_counts().sum()） text= ax3.text(27500,6.05,‘月薪樣本數:16966(個)’,fontsize=16, color=‘cyan’)

#設定軸刻度文字顏色為白色更多幹貨分享加python程式語言學習QQ群 515267276 plt.tick_params(colors=‘white’)

通過圖表，我們可以直觀地看到，Python關鍵詞下的職位月薪是隨著工作經驗增長而遞增的（這不是說了一句廢話麼？！囧） 其中【無經驗】的平均月薪最低，只有5842，相比之下【10年以上】經驗的，平均月薪達到了恐怖的34890，約達到了【無經驗】月薪的6倍之多！！！ 【1年以下】的平均月薪7579，還勉強湊合，【1-3年】的已經破萬了，達到了近12000元/月的水準。最後讓我們看看平均值吧，由於‘被平均’的緣故，16966條月薪樣本的均值是14197元，有沒有讓你滿意呢？

4.工作城市-平均月薪 對了，剛才說到北上廣深佔據了全國大部分的工作機會，那麼北上廣深的平均月薪如何呢？會不會也碾壓小城市？讓我們來看看！ 和之前的套路一樣，我們還是要構造一個DataFrame，包含兩列，一列是【平均月薪】，一列是【工作城市】，然後對df4進行groupby操作，還是很簡單的！不過，經過上次的教訓，平均月薪一定要是數值型的，str型的計算不了。

#此處df[‘df_工作城市’]是之前經過篩選後的30個城市資料 df4=pd.DataFrame(data={‘工作城市’:df[‘df_工作城市’],‘平均月薪’:df[‘df_平均月薪’]}) df4.info() grouped4 = df4[‘平均月薪’].groupby(df4[‘工作城市’]) grouped4.mean()#檢視對30個城市分組後，各個城市月薪的平均值 grouped4.count().sum()#檢視對30個城市分組後篩選出的平均月薪樣本數

#新增一個平均值，即所有非空df2[‘平均月薪’]的平均值 s4 = pd.Series(data = {‘平均值’:df[‘df_平均月薪’].mean()}) result4 = grouped4.mean().append(s4) #sort_values()方法可以對值進行排序，預設按照升序，round（1）表示小數點後保留1位小數。 result4.sort_values(ascending=False).round(1)

資料構造好了，進行下一步，視覺化。

#可以通過style.available檢視可用的繪圖風格，總有一款適合你 matplotlib.style.use(‘dark_background’) fig4 = plt.figure(4) ax4 = fig4.add_subplot(1,1,1)#可選facecolor=’#4f4f4f’,alpha=0.3，設定子圖,背景色灰色，透明度0.3 result4.sort_values(ascending=False).round(1).plot(kind=‘bar’,rot=30)#可選color=’#ef9d9a’

#設定圖示題，x和y軸標題 title = plt.title(u’城市——平均月薪分佈圖’,fontsize=18,color=‘yellow’)#設定標題 xlabel = plt.xlabel(u’城市’,fontsize=14,color=‘yellow’)#設定X軸軸標題 ylabel = plt.ylabel(u’平均月薪’,fontsize=14,color=‘yellow’)#設定Y軸軸標題

#設定說明，位置在圖的右上角 text1 = ax4.text(25,16250,u’城市總數:30(個)’,fontsize=12, color=’#FF00FF’)#設定說明，位置在圖的右上角 text2 = ax4.text(25,15100,u’月薪樣本數:16946(條)’,fontsize=12, color=’#FF00FF’)

#新增每一個城市的座標值 list_4 = result4.sort_values(ascending=False).values for i in range(len(list_4)): ax4.text(i-0.5,list_4[i],int(list_4[i]),color=‘yellow’)

#設定箭頭註釋 arrow = plt.annotate(u’全國月薪平均值:14197元/月’, xy=(4.5,14197), xytext=(7,15000),color=’#9B30FF’,fontsize=14,arrowprops=dict(facecolor=’#FF00FF’, shrink=0.05))

#設定軸刻度文字顏色為粉色 plt.tick_params(colors=‘pink’)

可以看見，Python這個關鍵詞下，全國16946條樣本的月薪平均值為14197元/月，平均月薪排名前5的城市分別是：北京、上海、深圳、杭州、廣州。哎，記得之前城市—職位數分佈圖麼？全國30個城市中，職位數排名前5 的也是這5座城市！看來北上廣深杭不僅集中了全國大部分的職位數量、連平均工資也是領跑全國的！不禁讓人覺得越大越強！但是在超級大城市奮鬥，買房總是遙遙無期，房子在中國人的概念裡，有著特殊的情節，意味著家，老小妻兒生活的地方，給人一種安全感！我們可以看到還有不少城市的平均月薪也破萬了，在這些相對小點的城市中挑一個，工作安家，買房還是有希望的，哈哈！譬如南京、武漢、蘇州、大連、廈門都挺好的！ 更多幹貨分享加python程式語言學習QQ群 515267276

5.學歷-職位數量 直覺來看Python這類工作職位，應該是本科及以上經驗要求居多吧？那麼工作經驗【不限】和【大專】的機會佔比多少呢？讓我們來看看！ 首先，還是用df[‘最低學歷’].value_counts()來看一下有哪些欄位，以及各個欄位的統計值。

df[‘最低學歷’].value_counts() df_最低學歷=df[‘最低學歷’].replace([‘中技’,‘其他’,‘高中’,‘found no element’],np.nan) df_最低學歷.value_counts() df_最低學歷.value_counts().sum() df[‘df_最低學歷’] = df_最低學歷 #留作備用

可以看到對於學歷要求，最多的集中在大專、本科、碩士、不限還有較少量的博士和中專學歷，至於中技、其他、高中則連10個都不到， 對於這些10個都不到的欄位，我們還是照舊用replace語句將其排除（並沒有歧視低學歷的意思啊囧！） 可以看到排除後還剩餘6個欄位，共計18119個職位，下一步，還是來經典的條形分佈圖和餅圖！

fig5 = plt.figure(5) ax5_1 = fig5.add_subplot(2,1,1) #可選facecolor=’#4f4f4f’,alpha=0.3 df_最低學歷.value_counts().plot(kind = ‘bar’,rot=0) #color=’#7fc8ff’

#設定標題、x軸和y軸標題、圖例文字 title = plt.title(u’最低學歷——職位數分佈圖’,fontsize = 18,color = ‘yellow’) xlabel = plt.xlabel(u’最低學歷’,fontsize = 14,color = ‘yellow’) ylabel = plt.ylabel(u’職位數量’,fontsize = 14,color = ‘yellow’) text1 = ax5_1.text(4.4,8200,u’職位總數:18119(條)’,fontsize=14, color=’#B452CD’)

#設定座標軸的的顏色和文字大小 plt.tick_params(colors=’#9F79EE’,labelsize=13)

#設定座標值文字 list5 = df_最低學歷.value_counts().values for i in range(len(list5)): ax5_1.text(i-0.1,list5[i],int(list5[i]),color=‘yellow’) ax5_2=fig5.add_subplot(2,1,2) xl = df_最低學歷.value_counts().values labels = list(df_最低學歷.value_counts().index) explode = tuple([0.1,0,0,0,0,0]) plt.pie(xl,explode=explode,labels=labels,autopct=’%1.1f%%’,textprops={‘color’:’#B452CD’}) plt.axis(‘equal’) legend = ax5_2.legend(loc=‘lower right’,shadow=True,fontsize=12,edgecolor=’#B452CD’) plt.tick_params(colors=’#9F79EE’,labelsize=13)

可見【本科】獨佔鰲頭，佔據了超過50%的市場！【不限】和【大專】也合計佔比38%不容小覷！看起來，只要技術過硬，學歷從來都不是問題！！！作為對比【碩士】佔比6%，【博士】更是少到只有1%，果然稀缺到百裡挑一！

6.最低學歷-平均月薪 按道理學歷越高，平均月薪越高，類似工作經驗一樣都是正相關，到底是不是呢？來看一下！構造一個DataFrame(df6), 包含兩列最低學歷和平均月薪，我們直接用之前構造好的df中的【df_最低學歷】和【df_平均月薪】即可，然後還是熟悉的groupby(df_最低學歷)

df6=pd.DataFrame(data={‘最低學歷’:df[‘df_最低學歷’],‘平均月薪’:df[‘df_平均月薪’]}) df6.info() grouped6 = df6[‘平均月薪’].groupby(df6[‘最低學歷’])

#檢視grouped6的資訊 grouped6.mean() grouped6.count() grouped6.count().sum() matplotlib.style.use(‘ggplot’) fig6 = plt.figure(6,facecolor = ‘black’) ax6 = fig6.add_subplot(1,1,1,facecolor=’#4f4f4f’,alpha=0.3) grouped6.mean().round(1).sort_values().plot(color = ‘cyan’)#在條形圖上疊加一個折線圖 grouped6.mean().round(1).sort_values().plot(kind=‘bar’,rot=0)

#設定標題、x軸、y軸的標籤文字 title = plt.title(u’最低學歷——平均月薪分佈圖’,fontsize = 18,color = ‘yellow’) xlabel= plt.xlabel(u’最低學歷’,fontsize = 14,color = ‘yellow’) ylabel = plt.ylabel(u’平均月薪’,fontsize = 14,color = ‘yellow’)

#新增值標籤(座標值文字) list6 = grouped6.mean().round(1).sort_values().values for i in range(len(list6)): ax6.text(i-0.1,list6[i],int(list6[i]),color=‘yellow’)

#設定圖例註釋 text= ax6.text(0,27000,u’月薪樣本數:16956(個)’,fontsize=16, color=‘cyan’)

#設定軸刻度的文字顏色 plt.tick_params(colors=’#9F79EE’) 平均月薪14139元，可以看到學歷越高果然工資越高，博士級別的更是碾壓，達到了29562元。只要學歷在【大專】以上，那麼平均月薪都已經過萬了。 BUT，重點來了，學歷並不是萬能的，一個【中專】學歷，有超過5年經驗的，工資一定超過【本科】畢業無工作經驗的。所以大家看看就好，不要當真，哈哈！

7.最低學歷-工作經驗-平均月薪 看了前面的圖表，大家都知道了，學歷越高平均月薪越高，工作經驗越高平均月薪越高，但是我想要看看更細粒度的情形呢？ 譬如我想知道【大學+無經驗】和【大學+1-3年】工資的差別，我想看看【大專+3-5年】和【碩士+無經驗】工資的對比究竟誰高？ 現在，我不知道，但是接下來讓我們把這些情況用圖表呈現出來，大家就會一目瞭然！

df7 = pd.DataFrame(data = {‘平均月薪’:df[‘df_平均月薪’],‘最低學歷’:df[‘df_最低學歷’],‘工作經驗’:df[‘df_工作經驗’]}) df7.info() grouped7 = df7[‘平均月薪’].groupby([df7[‘最低學歷’],df7[‘工作經驗’]])

#檢視grouped7的資訊 grouped7.mean().round(1) grouped7.count() grouped7.count().sum()

其實我們輸入type(grouped7.mean())，會發現它是一個包含了層次化索引的Series結構。其中第一層索引是【最低學歷】 第二層索引是【工作經驗】，數值列【平均月薪】被這兩層索引所分配！下面我們開始準備視覺化，還是畫一個bar柱狀圖，不過這次畫的是多列一起呈現的形式，Y軸表示職位月薪、X軸表示最低學歷，在每個學歷欄位下，又分別新增不同工作經驗的列！

grouped7.mean().round(1)[:,‘1-3年’] grouped7.mean().round(1)[:,‘1-3年’].sort_values() xlist = list(grouped7.mean().round(1)[:,‘1-3年’].sort_values().index) grouped7.mean().round(1)[:,‘1-3年’].reindex(xlist) print(xlist)

grouped7.mean()將會顯示各組的平均值，round（1）表示小數點保留1位。[:,‘1-3年’]是對層次化索引的一種操作，表示選取 grouped7.mean()中索引名字為’工作經驗’下’1-3年欄位’的所有值。此處構造了列表xlist，值是篩選後的’最低學歷’索引， xlist將用於畫條形圖時X軸座標的標籤文字（表示最低學歷），Y軸相對應的是平均月薪。工作經驗則用條形圖和圖例展示。

#開始畫圖，設定基本引數 matplotlib.style.use(‘dark_background’) fig7 = plt.figure(7,facecolor = ‘black’) ax7 = fig7.add_subplot(1,1,1,facecolor=’#4f4f4f’,alpha=0.3) title = plt.title(u’最低學歷-工作經驗-平均月薪分佈圖’,fontsize = 18,color = ‘yellow’) xlabel = plt.xlabel(u’最低學歷’,fontsize = 14,color = ‘yellow’) ylabel = plt.ylabel(u’平均月薪’,fontsize = 14,color = ‘yellow’) plt.tick_params(colors=‘cyan’)

#ylist1~7分別是7種條形圖的Y值列表 ylist1 = grouped7.mean().round(1)[:,‘無經驗’].reindex(xlist).values ylist2 = grouped7.mean().round(1)[:,‘1年以下’].reindex(xlist).values ylist3 = grouped7.mean().round(1)[:,‘不限’].reindex(xlist).values ylist4 = grouped7.mean().round(1)[:,‘1-3年’].reindex(xlist).values ylist5 = grouped7.mean().round(1)[:,‘3-5年’].reindex(xlist).values ylist6 = grouped7.mean().round(1)[:,‘5-10年’].reindex(xlist).values ylist7 = grouped7.mean().round(1)[:,‘10年以上’].reindex(xlist).values

#img1~img7分別表示7種條形圖 ind = np.arange(6)#ind為x軸寬度，用numpy的array形式表示 width = 0.1#條形圖的寬度，要合理設定否則太寬會擺不下 img1 = ax7.bar(ind,ylist1,width) img2 = ax7.bar(ind+width,ylist2,width) img3 = ax7.bar(ind+width2,ylist3,width) img4 = ax7.bar(ind+width3,ylist4,width) img5 = ax7.bar(ind+width4,ylist5,width) img6 = ax7.bar(ind+width5,ylist6,width) img7 = ax7.bar(ind+width*6,ylist7,width)

#設定X軸文字和位置調整 ax7.set_xticklabels(xlist) ax7.set_xticks(ind + width / 2)

#設定文字說明 text1 = ax7.text(4.05,52100,u’資料來源:智聯招聘’,fontsize=13, color=’#9F79EE’) text2 = ax7.text(4.05,50200,u’職位關鍵詞：Python’,fontsize=13, color=’#9F79EE’) text3 = ax7.text(4.05,48200,u’工作城市:全國30座城市’,fontsize=13, color=’#9F79EE’) text4 = ax7.text(4.05,46200,u’職位數量:共計16956(條)’,fontsize=13, color=’#9F79EE’)

#設定圖例 ax7.legend((img1[0],img2[0],img3[0],img4[0],img5[0],img6[0],img7[0]), (u’無經驗’,u’1年以下’,u’不限’,u’1-3年’,u’3-5年’,u’5-10年’,u’10年以上’),fontsize=13,facecolor=‘black’)

#設定柵格 plt.grid(True)

最後，上一張簡單詞雲圖給大家看看，用的BDP傻瓜式製作，看看就好！

其實展開了還可以分析的東西有不少，譬如Pandas、Matplotlib的用法，譬如更多維度的分析和兩兩組合！ 好了，整體的先暫時分析到這，總結一下呢就是：Python+工作經驗+學歷+大城市 = 高薪！但是，工作經驗、學歷和城市其實並沒那麼重要， 關鍵要看自己的Python用的6不6，關鍵在於你知道自己想做什麼，知道自己能做什麼，知道自己做出了什麼！哈哈，當你知道越來越接近這些問題的答案呢，那麼我相信，薪水對你來說已經不那麼重要了!（當然，高薪是必須有的！） 人生苦短，我用Python！更多幹貨分享加python程式語言學習QQ群 515267276