如何分析“資料分析師”的崗位？
前言
在《 ofollow,noindex" target="_blank">手把手帶你抓取智聯招聘的“資料分析師”崗位！ 》一期中我們分享瞭如何抓取智聯招聘中“資料分析師”崗位的資料資訊（資料截止到2018年11月4日），在本期我們將基於已有的資料對其作進一步的分析和探索。在探索過程中，我們將圍繞如下幾個主題進行問題的回答：
- 哪些省份和城市對資料分析師的需求比較高？
- 資料分析師崗位在全國和TOP3城市的薪資差異是否顯著？
- 企業在招聘資料分析師崗位時，對應聘者的工作經驗和學歷要求是怎樣的？
- 不同的工作經驗和學歷在薪資上是否存在差異呢？
- 招聘資料分析師崗位的企業，都是哪些型別的企業？
實操
資料分析師在全國的需求分佈
# 匯入第三方模組
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 讀入招聘資訊的資料
jobs = pd.read_excel('jobs.xlsx')
# 資料預覽
jobs.head(5)
考慮到招聘崗位的資料中含有城市資訊（city變數），不妨再結合城市與省份的資料，在原有的資料基礎上再新增省份欄位，程式碼如下：
# 讀取省份與城市的對應資料
Province_City = pd.read_excel('Province_City.xls')
# 將省份資訊加入到jobs表中
jobs = pd.merge(left = jobs, right = Province_City,
left_on='city', right_on='City')
# 刪除jobs表中的City變數（該變數是多餘的）
jobs.drop(labels='City', axis = 1, inplace = True)
接下來，我們來探索一下資料分析師崗位在全國各省份和各城市的需求情況：
# 設定中文和負號正常顯示 plt.rcParams['font.sans-serif'] = 'Microsoft YaHei' plt.rcParams['axes.unicode_minus'] = False # 近5000個數據分析的職位，在各省份的分佈（Top10） jobs.Province.value_counts()[:10].plot(kind = 'bar', color = 'steelblue', alpha = 0.8) # 顯示圖形 plt.show()
如上圖所示，這裡顯示了全國各省招聘資料分析師崗位數量的Top10，不難發現，前三甲都是國內非常發達的省份。但比較令我吃驚的是山東和安徽排在了江蘇前面，所以，個人覺得資料相關的崗位在山東和安徽也有比較好的市場（可能大家還不知道哦，山東在全國的GDP排在了第三呢，絕對是低調的奢華）。在瞭解了各省份的需求情況，再從城市維度看一下Top10的分佈：
# 近5000個數據分析的職位，在全國各城市的分佈（Top10） jobs.city.value_counts()[:10].plot(kind = 'bar', color = 'steelblue', alpha = 0.8) # 顯示圖形 plt.show()
如上圖所示，從城市級別來看，北京、上海和深圳對資料分析崗的需求最多，尤其是北京，她的需求量甚至超過了上海、深圳、合肥的總和。那麼，可能會有網友非常關心資料分析師崗位的薪資情況，下面我們就針對薪資做一個探索和介紹。
薪資水平的探索
需要說明的是，由於原始資料中絕大多數的薪資都是一個範圍，如“10K-15K”，當然還有其他形式的薪資，如“薪資面議”、“校招”和“1K一下”。對於這些非數值的薪資，我是這樣處理的：
- 對於有範圍的薪資，取範圍中兩個數的平均值，如“10K-15K”的平均值為12.5K；
- 對於“薪資面議”的情況，當作缺失值，後面將以整體薪資的中位數作為填充；
- 對於“校招”的情況，根據個人的經驗，按3500元的待遇為填充（主要是發達城市，由於發達城市的需求超過了總需求的一半）；
- 對於薪資為“1K以下”的情況，月薪設定為1000； 下面就通過具體的程式碼，對薪資資料進行處理和探索：
# 將未知薪資的特殊資料提取出來
salary1 = jobs.salary[jobs.salary.isin(['薪資面議','校招','1K以下'])]
# 將有薪資範圍的資料提取出來
other_salary = jobs.salary[~jobs.salary.isin(['薪資面議','校招','1K以下'])]
# 提取出薪資的下界
salary_low = other_salary.str.replace('K','').str.split('-').apply(lambda x: float(x[0]))
# 提取出薪資的上界
salary_high = other_salary.str.replace('K','').str.split('-').apply(lambda x: float(x[1]))
# 對於薪資為面議的情況，將其轉換為缺失值，並用整體水平的平均值代替
salary1[salary1 == '薪資面議'] = np.nan
# 對於薪資為校招的情況，根據經驗將月薪設定為3500
salary1[salary1 == '校招'] = 3500
# 對於薪資為1K以下的情況，月薪設定為1000
salary1[salary1 == '1K以下'] = 1000
# 將處理好的薪資水平作合併
salary2 = pd.concat([salary1,1000*(salary_low+salary_high)/2])
# 使用薪資的中位數填充缺失值
salary2.fillna(value = salary2.median(), inplace=True)
# 繪製薪資資料的直方圖（設定組距為3000）
salary2.plot(kind = 'hist',
bins = np.arange(salary2.min()-1000,
salary2.max()+3000,3000),
color = 'steelblue', edgecolor = 'black')
plt.show()
如上結果所示，為全國薪資的直方圖，從圖中可知，絕大多數崗位的薪資落在3K-12K。如果只考慮北京、上海和深圳這三個城市（因為需求量大，經濟發達），可以進一步得到該崗位的薪資範圍，程式碼如下：
# 給salary2向量設定名稱屬性 salary2.name = 'salary2' # 將salary2欄位加入到jobs資料集中 jobs = pd.concat([jobs, salary2], axis = 1) # 繪製北上深三個城市的薪資直方圖 salary_subset = salary2[jobs.city.isin(['北京','上海','深圳'])] salary_subset.plot(kind = 'hist', bins = np.arange(salary2.min()-1000, salary2.max()+3000,3000), color = 'steelblue', edgecolor = 'black') plt.show()
如上圖所示，對於一線城市的資料分析師崗位而言，絕大多數崗位的薪資在6K-15K，相比於全國的水平，要高一個階段。所以，一線城市的薪資和全國比較，還是存在顯著差異的。當然，讀者如果感興趣，也可以從定量的角度（採用t檢驗），驗證一線城市和全國的薪資差異。
企業對工作經驗和學歷的要求
在聊完企業提供的薪資後，就該聊聊他們對應聘者學歷和工作經的要求啦。由於學歷變數的水平值過多，故考慮把幾個相似的學歷作合併處理，如將高中、中技、中專和大專設定為”本科以下”，其他的學歷不調整：
# 將受教育水平劃分為本科以下、本科、碩士、博士和不限五種 jobs.eduLevel[jobs.eduLevel.isin(['高中','中技','中專','大專'])] = '本科以下' # 設定圖框，將橫、縱座標軸作標準化處理，保證餅圖是一個正圓，否則為橢圓 plt.axes(aspect='equal') jobs.eduLevel.value_counts().plot(kind = 'pie', autopct='%.1f%%', explode = [0,0.1,0,0,0]) # 突出顯示“本科以下”的學歷 # 去除y軸標籤 plt.ylabel('') plt.show()
如上餅圖所示，本科學歷的比重最多，佔到43.8%；其次是本科以下的學歷，佔比為37%；排第三的是學歷不限，個人覺得對於學歷不限的情況，企業可能更看重應聘者的工作經驗。很奇怪的是，對於碩士和博士這樣的高學歷，總共佔比才3.8%（個人覺得可能是11月份屬於招聘淡季，對高學歷人才的需求比較低）。同理，在瞭解一下工作經驗的分佈情況：
plt.axes(aspect='equal')
jobs.workingExp.value_counts().plot(kind = 'pie', autopct='%.1f%%')
plt.ylabel('')
plt.show()
如上圖所示，企業對於工作年限不限的比例最高，其次是1~3年，緊接著是3~5年。這個分佈比例其實還是非常特殊的，本人只能將其歸咎於11月份時間節點不好，一是用人單位想招人招不到，故放低經驗要求，二是有工作經驗的人在此時不願意跳槽。
前文的幾個餅圖全都是基於全國所有城市的資料繪製出來的，感興趣的朋友也可以篩選出一線城市（如北京、上海、深圳、廣州等），並對其探索用人單位對學歷和工作經驗的要求。
工作經驗和學歷對薪資的影響
接下來要探索的就是不同學歷和工作經驗在薪資上的差異，這裡重點關注一線城市（以北京、上海、深圳和廣州為例）的資料特徵。
# 不同的工作年限，在薪資上的體現（限定在北京、上海、深圳和廣州四個城市）
# 篩選指定城市的資料
jobs_subset = jobs.loc[jobs.city.isin(['北京','上海','深圳','廣州']),]
# 按工作經驗分組
grouped = jobs_subset.groupby(by = 'workingExp')
# 計算各工作經驗下的平均薪資
Exp_Salary = (grouped.aggregate('mean')['salary2']).sort_values(ascending = False)
# 繪製條形圖
Exp_Salary.plot(kind='bar', color = 'steelblue', alpha = 0.8)
# 新增數值標籤
for x,y in enumerate(Exp_Salary):
plt.text(x,y+1000,'%s' %round(y,1),ha='center')
# 限定y軸範圍
plt.ylim(7000,90000)
# 去除x軸標籤
plt.xlabel('')
plt.show()
如上圖所示，工作年限越長的對應的薪資水平就越高（最為突出的是十年以上的工作經驗，平均薪資在85000）。總體來說，資料分析的工種在各個工作年限上的平均薪資還是比較高的（相比於其他工種而言，如會計、銷售、服務業等）。同理，也可以根據上面的程式碼，稍作修改，就可以繪製出不同學歷在薪資上的差異條形圖：
# 不同的學歷，在薪資上的體現（限定在北京、上海、深圳和廣州四個城市）
grouped = jobs_subset.groupby(by = 'eduLevel')
Edu_Salary = (grouped.aggregate('mean')['salary2']).sort_values(ascending = False)
Edu_Salary.plot(kind='bar', color = 'steelblue', alpha = 0.8)
for x,y in enumerate(Edu_Salary):
plt.text(x,y+1000,'%s' %round(y,1),ha='center')
plt.ylim(7000,20000)
plt.xlabel('')
plt.show()
如上圖所示，碩士的平均薪資是最高的，其次是本科，而博士學歷還是挺出乎預料的，盡然排在了第三。後來從資料中查詢發現，博士學歷的崗位只有三個，都屬於北京的崗位，薪資分別是6K-12K、15K-25K和10K-20K。需要注意的是，這裡探索得到的結論（博士學歷薪資第三）並不代表普遍現象，可能還要歸咎於爬出來的資料屬於11月份的時間節點，如果是來年的3~4月份，也許資料會更加接近真實。
OK，橫向對比工作經驗和學歷水平，不難發現，工作經驗絕對能夠影響到薪資水平，試想，如果站在企業的角度考慮，相信他們更看重的是應聘者的工作經驗，而非學歷。
企業的型別分佈
最後，再來探索一個問題，招聘資料分析師崗位的企業，都屬於哪些型別的企業呢？這裡通過Python程式碼繪製企業型別的條形圖：
# 各企業型別的分佈比例 (jobs.type.value_counts()/jobs.shape[0]).plot(kind = 'bar', color = 'steelblue', alpha = 0.8) # 顯示圖形 plt.show()
如上圖所示，在蒐集的近5000個數據分析職位，民營企業佔到一半以上；其次是股份制企業，佔比為18%左右；排在第三的是合資企業，這三類企業佔到所有企業的80%以上。
結語
OK，使用Python完成資料分析崗的探索和分析就分享到這裡，如果你有任何問題，歡迎在公眾號的留言區域表達你的疑問。同時，也歡迎各位朋友繼續轉發與分享文中的內容，讓更多的人學習和進步。
關於Python的其他知識（包括資料的清洗、整理、運算、分析、視覺化和建模），讀者可以查閱我的新書《從零開始學Python資料分析與挖掘》，如果您對書中的內容有任何疑問，都可以聯絡我。
本文中的程式碼和資料可以從百度雲盤中下載，只需關注“資料分析1480”公眾號，並回復“智聯招聘”即可。
版權宣告： 作者保留權利。文章為作者獨立觀點，不代表資料人網立場。嚴禁修改，轉載請註明原文連結:http://shujuren.org/article/784.html
資料人網： 資料人學習，交流和分享的平臺，誠邀您創造和分享資料知識，共建和共享資料智庫。