程序员分析一线城市 1000 +岗位招聘需求，告诉你如何科学找工作

程序员文章站 2022-04-24 14:06:37

...

作者 | 柠檬橙1024

责编 | 伍杏玲

出品 | CSDN博客

每年的三四月份是招聘高峰，也常被大家称为金三银四黄金求职期，这时候上一年的总结做完了，奖金拿到了，职场人开始谋划着年初的找工作大戏。

如何让伯乐和千里马更快相遇？做C++后台开发的我利用大数据分析了北京、上海、广州、深圳四个一线城市的C++岗位招聘信息，篇幅限制文中只拿出北京和深圳的数据展示，让我们来看看岗位的招聘现状，以及如何科学提高应聘成功率。

文末可以获取本次分析的完整高清图表，需要的同学自取。同时分享完整源码用于学习交流，若对其他岗位感兴趣也可以自行运行源码分析。

需求分析

通过大数据分析招聘网站发布的招聘数据，得出岗位分布区域、薪资水平、岗位关键技能需求、匹配的人才具有哪些特点、学历要求。从而帮助求职者知己知彼，补齐短板，有的放矢的应对校招、社招，达成终极目标获得心仪的Offer。

软件设计

数据分析是Python的强项，项目用Python实现。软件分为两大模块：数据获取和数据分析。

程序员分析一线城市 1000 +岗位招聘需求，告诉你如何科学找工作

详细实现

数据获取

request库构造请求获取数据

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()

数据csv格式存储

with open(os.path.join(self.path, '招聘_关键词_{}_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)

数据分析

字段预处理

df_all.rename({'职位名称': 'position'}, axis=1, inplace=True) #axis=1代表index; axis=0代表column
 df_all.rename({'详细链接': 'url'}, axis=1, inplace=True)
 df_all.rename({'工作地点': 'region'}, axis=1, inplace=True)
 df_all.rename({'薪资': 'salary'}, axis=1, inplace=True)
 df_all.rename({'公司名称': 'company'}, axis=1, inplace=True)
 df_all.rename({'经验要求': 'experience'}, axis=1, inplace=True)
 df_all.rename({'学历': 'edu'}, axis=1, inplace=True)
 df_all.rename({'福利': 'welfare'}, axis=1, inplace=True)
 df_all.rename({'职位信息': 'detail'}, axis=1, inplace=True)
 df_all.drop_duplicates(inplace=True)
 df_all.index = range(df_all.shape[0])

数据处理展示

from pyecharts.charts import Bar
regBar = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
regBar.add_xaxis(region.index.tolist())
regBar.add_yaxis("区域", region.values.tolist())
regBar.set_global_opts(title_opts=opts.TitleOpts(title="工作区域分布"),
                     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("区域", 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="最高薪资范围分布"), 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="岗位技能关键词云图"),
                     toolbox_opts=opts.ToolboxOpts())