金三銀四科學找工作，用python大資料分析一線城市1000多份崗位招聘需求
文章每週持續更新，各位的「三連」是對我最大的肯定。可以微信搜尋公眾號「 後端技術學堂 」第一時間閱讀（一般比部落格早更新一到兩篇）
每年的三四月份是招聘高峰，也常被大家稱為金三銀四黃金招聘期，這時候上一年的總結做完了，獎金拿到了，職場人開始謀劃著年初的找工作大戲，作為高薪行業之一的IT行業，程式設計師們也開始瘋狂的往心儀公司投遞簡歷，今年疫情影響是不是會變成「金四銀五」呢？
作為IT人我們要發揮自己的專業特長，如何從各種招聘網上找到滿意的職位？我分析了北京、廣州、深圳三個一線城市的C++招聘崗位資訊，篇幅限制文中只拿出北京深圳的資料分析，讓我們看看C++崗位的招聘現狀，以及如何科學提高應聘成功率。
文末分享本次分析的高清圖表，需要的同學自取。同時我分享原始碼用於學習交流，若對其他崗位感興趣可以自行執行原始碼分析。
需求分析
通過分析招聘網站釋出的招聘資料，得出崗位分佈區域、薪資水平、學歷要求，崗位需求關鍵技能、匹配的人才具有哪些特點？從而幫助應聘者提高自身能力，補齊短板，有的放矢的應對校招社招，達成終極目標獲得心儀的offer。
軟體設計
資料分析是Python的強項，專案用Python實現。軟體分為兩大模組：資料獲取 和 資料分析
詳細實現
資料獲取
request庫構造請求獲取資料
cookie = s.cookies req = requests.post(self.baseurl, headers=self.header, data={'first': True, 'pn': i, 'kd':self.keyword}, params={'px': 'default', 'city': self.city, 'needAddtionalResult': 'false'}, cookies=cookie, timeout=3) text = req.json()
資料csv格式儲存
with open(os.path.join(self.path, '招聘_關鍵詞_{}_城市_{}.csv'.format(self.keyword, self.city)), 'w',newline='', encoding='utf-8-sig') as f:
f_csv = csv.DictWriter(f, self.csv_header)
f_csv.writeheader()
f_csv.writerows(data_list)
資料分析
欄位預處理
df_all.rename({'職位名稱': 'position'}, axis=1, inplace=True) #axis=1代表index; axis=0代表column df_all.rename({'詳細連結': 'url'}, axis=1, inplace=True) df_all.rename({'工作地點': 'region'}, axis=1, inplace=True) df_all.rename({'薪資': 'salary'}, axis=1, inplace=True) df_all.rename({'公司名稱': 'company'}, axis=1, inplace=True) df_all.rename({'經驗要求': 'experience'}, axis=1, inplace=True) df_all.rename({'學歷': 'edu'}, axis=1, inplace=True) df_all.rename({'福利': 'welfare'}, axis=1, inplace=True) df_all.rename({'職位資訊': 'detail'}, axis=1, inplace=True) df_all.drop_duplicates(inplace=True) df_all.index = range(df_all.shape[0])
資料處理展示
from pyecharts.charts import Bar
regBar = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
regBar.add_xaxis(region.index.tolist())
regBar.add_yaxis("區域", region.values.tolist())
regBar.set_global_opts(title_opts=opts.TitleOpts(title="工作區域分佈"),
toolbox_opts=opts.ToolboxOpts(),
visualmap_opts=opts.VisualMapOpts())
from pyecharts.commons.utils import JsCode
shBar = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
shBar.add_xaxis(sala_high.index.tolist())
shBar.add_yaxis("區域", sala_high.values.tolist())
shBar.set_series_opts(itemstyle_opts={
"normal": {
"color": JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
offset: 0,
color: 'rgba(0, 244, 255, 1)'
}, {
offset: 1,
color: 'rgba(0, 77, 167, 1)'
}], false)"""),
"barBorderRadius": [30, 30, 30, 30],
"shadowColor": 'rgb(0, 160, 221)',
}})
shBar.set_global_opts(title_opts=opts.TitleOpts(title="最高薪資範圍分佈"), toolbox_opts=opts.ToolboxOpts())
word.add("", [*zip(key_words.words, key_words.num)],
word_size_range=[20, 200], shape='diamond')
word.set_global_opts(title_opts=opts.TitleOpts(title="崗位技能關鍵詞雲圖"),
toolbox_opts=opts.ToolboxOpts())
資料分析
區域分佈
C++崗位區域分佈，北京 VS 深圳
北京的C++崗位數量比深圳更多，首都buff加持，並且集中分佈在海淀區和朝陽區這兩個區域，中關村位於海淀區，還有位於海淀區西北旺鎮的後廠村，騰訊、滴滴、百度、新浪、網易這些網際網路巨頭扎堆，自然能提供更多的崗位。
深圳的崗位則集中在南山區，猜測鵝廠C++大廠在南山區貢獻了重大份額，第二竟然在寶安區。
學歷分佈
C++崗位學歷分佈，北京 VS 深圳
學歷上兩個城市的本科學歷佔比都是80%以上，北京崗位需求研究生佔比和大專相當。可見大部分崗位本科學歷即可勝任，或許能給即將畢業糾結考不考研的你一些參考。
如果你的學歷是專科，那麼需要加倍的努力，因為留給你的職位並不是很多。同時，從圖表資料來看，深圳的崗位對大專生需求10%而對碩士僅佔2%，或許去深圳比去北京更加友好，emmm...僅供參考。
薪資分佈
C++崗位薪資分佈，薪資單位K。
北京最高薪資 VS 最低薪資
深圳最高薪資 VS 最低薪資
薪資對比沒啥好說的，大家看圖說話，只想說帝都果然財大氣粗。
技能儲備
C++崗位關鍵技能詞雲，北京 VS 深圳
首先在脫離開發走上管理崗位之前，程式設計解決問題能力是最重要，可以看到「程式設計」能力在技能詞雲中佔比最大。
崗位技能詞雲可以看出，大部分崗位要求較高的「演算法、資料結構、Linux、資料庫(儲存)、多執行緒(作業系統)」計算機基礎素養，所以不管你是在校學生準備校招或者職場老人準備跳槽，都需要儲備好這些計算機基礎能力。
同時，除去硬核技術要求，崗位對候選人的軟實力也有要求，比如更加偏愛具備「團隊、協作、學習、溝通」這些能力的候選人，大家在提高技術能力的同時，也要注重這些軟實力的培養。
有個有趣的發現，Linux和window下都有C++開發崗位需求，相對而言Linux下C++開發佔比更多，詞雲更大，如果你對這兩個平臺沒有特殊偏愛，那麼學Linux下開發大概能加大應聘成功率。
本文程式完整原始碼以及高清分析圖表，在公眾號「後端技術學堂」回覆 「工作」獲取。
原創不易，看到這裡動動手指，各位的「三連」是對我持續創作的最大支援。
可以微信搜尋公眾號「 後端技術學堂 」回覆「資料」有我給你準備的各種程式設計學習資料。文章每週持續更新，我們下期見！