/51job-spider-and-data-analysis

python爬取前程无忧33751个python岗位数据, 并进行可视化分析

Primary LanguagePython

前程无忧python岗位信息爬取和分析

项目简介

  • 爬取2019年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:

    1. 各个城市的岗位数量分布
    2. 不同学历要求下的岗位数量分布
    3. 工作经验年限与工资的关系
    4. 城市与工资的关系
    5. 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

  1. 各城市的岗位数量分布

    img

  2. 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

    img

  1. 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

    img

  1. 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

    img

  2. 岗位要求的技能关键词的词云

    img

    • 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

      img

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