炼数成金 门户 大数据 Python 查看内容

Python和Java薪资最高,C#最低!你的工资还跟这些因素有关!

2018-9-13 10:36| 发布者: 炼数成金_小数| 查看: 31186| 评论: 0|原作者: 徐涛|来自: 数据森麟

摘要: 本文主要用Python爬取拉勾网不同编程语言职位信息,包括:Python岗、Java岗、C++岗、PHP岗、C#岗位(5岗);用R语言对影响薪资的因素进行分析。由于拉勾网的职位信息只显示30页,一页15个职位信息,如果单独爬取一个 ...

Python Java 数据分析 R语言 C++

本文主要用Python爬取拉勾网不同编程语言职位信息,包括:Python岗、Java岗、C++岗、PHP岗、C#岗位(5岗);用R语言对影响薪资的因素进行分析。由于拉勾网的职位信息只显示30页,一页15个职位信息,如果单独爬取一个城市的岗位信息,只有几页是匹配的信息,信息量太小,分析没有说服力。因此,本文爬取拉勾网全国职位信息。

主要三部分内容:
一、爬取拉勾网5岗职位信息--以Python岗为例
二、以Python岗位信息为例,分析影响薪资的因素
三、5岗之间薪水因素影响比较分析

01、爬取拉勾网5岗职位信息--以Python岗为例
我们抓取的信息包括Python岗位名称、公司名称、薪资、工作经验、学历、公司规模、公司福利。


##以python岗位为例,运用selenium+Chrome()爬取岗位信息
# coding=UTF-8
from lxml import etree
from selenium import webdriver
import time
import csv

browser = webdriver.Chrome()
browser.get('https://www.lagou.com/jobs/list_PYTHON?px=default&city=%E5%85%A8%E5%9B%BD#filterBox')
browser.implicitly_wait(10)

def get_dates(selector):
        items = selector.xpath('//*[@id="s_position_list"]/ul/li')
        for item in items:
            yield {
                'Name': item.xpath('div[1]/div[1]/div[1]/a/h3/text()')[0],
                'Company': item.xpath('div[1]/div[2]/div[1]/a/text()')[0],
                'Salary': item.xpath('div[1]/div[1]/div[2]/div/span/text()')[0],
                'Education': item.xpath('div[1]/div[1]/div[2]/div//text()')[3].strip(),
                'Size': item.xpath('div[1]/div[2]/div[2]/text()')[0].strip(),
                'Welfare': item.xpath('div[2]/div[2]/text()')[0]
            }
def main():
    i = 0
    for i in range(30):
        selector = etree.HTML(browser.page_source)
        browser.find_element_by_xpath('//*[@id="order"]/li/div[4]/div[2]').click()
        time.sleep(5)
        print('第{}页抓取完毕'.format(i+1))
        for item in get_dates(selector):
            print(item)
        with open('Py.csv', 'a', newline='') as csvfile:  ##Py.csv是文件的保存路径,这里默认保存在工作目录
            fieldnames = ['Name', 'Company', 'Salary', 'Education', 'Size', 'Welfare']
            writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
            writer.writeheader()
            for item in get_dates(selector):
                writer.writerow(item)
        time.sleep(5)
    browser.close()
if __name__=='__main__':
    main()

抓取结果如下:


将抓取结果循环写入csv文件:


此外还抓取了Java岗、C++岗、PHP岗、C#岗位4岗的信息,代码和抓取Python岗位信息类似。

02、以Python岗位信息为例,分析影响薪资的因素
这里包括数据清洗部分和数据分析部分两部分内容。

1. 数据清洗部分
data<-read.csv("E://Data For R/RData/Py.csv")
data[sample(1:nrow(data),size=10),]


在抓取过程中,由于将python字典循环写入csv文件,因此列名也被循环写在csv文件中。


考虑本文主要分析影响薪资的因素,这里去除Name和Company两列。

##去除Name和Company两列
DATA<-data[,-c(1,2)]
##将python字典循环写入csv文件时,标题也会被写入,去除多余的标题
##查找哪些行是标题重复的行
which(DATA$Salary %in% "Salary")
 [1]  16  32  48  64  80  96 102 118 134 150 166 182 198 214 230 246 262 278 294 310 326 342 358 374 390 406 422 438 454 470 486 502 518
[34] 534 550 566
##去除多余的标题所在的行
DATA<-DATA[-(which(DATA$Salary %in% "Salary")),]
dim(DATA)
[1] 545   4

1.1 变量Salary
变量Salary一般都是范围值,用“-”连接,但是不排除有XXK以上,例如10k以上这种表示形式,或者其他形式,这里需要处理一下。

##如果薪资是一个范围值,都是"-"连接,注意,薪资是一个范围值,匹配末尾结束k值需要注意,有大写K和小写k两种形式。
newdata<-DATA[grep('\\-',DATA$Salary),]
dim(newdata)
[1] 544   4
##对比前面dim(DATA),说明薪水少了一行,Salary具有其他的表示形式。
##这里将范围薪水的值分成底薪和高薪两部分,后面取平均值来表示薪水
library(tidyr)
library(stringr)
newdata<-separate(data=newdata,col=Salary,into=c("lowsalary","highsalary"),sep="-")
##分别去除后面的k值,注意k有大写和小写两种形式
newdata$lowsalary<-str_replace(newdata$lowsalary,'k|K',"")##  |表示或的关系
newdata$highsalary<-str_replace(newdata$highsalary,'k|K',"")
newdata$lowsalary<-as.numeric(newdata$lowsalary)##转换数据类型
newdata$highsalary<-as.numeric(newdata$highsalary)
newdata$salary<-(newdata$lowsalary+newdata$highsalary)/2
newdadat<-newdata[,-c(1,2)]##去除原有的lowsalary和highsalary

1.2 变量Education
###Education部分
##首先将Education中工作经验和学历分开
newdata<-separate(data = newdata,col=Education,into=c("Experience","Graduate"),sep = '/')
table(newdata$Experience)
经验1-3年     经验1年以下       经验3-5年      经验5-10年        经验不限  经验应届毕业生  
 187               6             261              46              37               7 
table(newdata$Graduate)
 本科  不限  大专  硕士 
  447    27    63     7 

1.3 变量Size
##此处以公司人数作为描述公司规模的标准
newdata<-separate(data=newdata,col=Size,into=c('Type','Rong','Number'),sep='/')
table(newdata$Number)

 15-50人   150-500人  2000人以上    50-150人  500-2000人    少于15人 
   76         139         117         119          82          11 
table(newdata$Rong)
A轮          B轮          C轮    D轮及以上   不需要融资     上市公司       天使轮       未融资  
86           81           54           30          132           80           33           48 
##将Type去除   
newdata<-newdata[,-3]

1.4 变量Welfare
Welfare<-newdata[,"Welfare"]
##将Welfare去除
newdata<-newdata[,-5]
head(newdata)


到此,数据清洗部分内容全部结束。

2. 数据分析部分
2.1 工资与工作年限的关系
library(ggplot2)
ggplot(newdata,aes(x=Experience,y=salary))+geom_boxplot(col="red")


符合大众的认知,从事python的应届毕业生起始工资平均值在5K左右,且薪资水平跨度最小,经验5-10年,工资水平跨度较大,主要可能是因为,有一部分转为技术管理岗位,工资较低的可能还在继续码代码,是不是对广大同胞们的警告啊.......

2.2 工资与学历的关系(专科,本科,研究生,不限)
ggplot(newdata,aes(x=Graduate,y=salary))+geom_boxplot(col="red")


这里是否能说明学历在一定程度上的重要性?学历本科的工资跨度比较大,因为工作经验的不同导致了薪资的差异。

2.3 工资与公司融资的关系
ggplot(newdata,aes(x=Rong,y=salary))+geom_boxplot(col="red")


对于这部分知识是盲点,但是可以看出融资公司(上市也是一种融资方式)比没有融资的公司平均工资要高出不少,这部分是不是可以是以后找工作的一个风向标……

2.4 工资与公司大小的关系


公司规模越大,平均的工资也越高。

2.5 工资与工作时间和学历的关系
library(ggthemes)
library(scales)
ggplot(newdata,aes(x=Experience,y=salary,fill=factor(Graduate)))+
geom_boxplot()+
geom_hline(aes(yintercept=20),color="red",linetype="dashed",lwd=1)+
scale_y_continuous(labels=dollar_format())+theme_few()


这张图告诉我们,在大部分情况下,没(Ren)钱(Chou)就要多读书。不管是经验经验1年以下、经验3-5年、经验5-10年、经验不限的情况下,拥有硕士学历的平均收入都普遍高于本科,本科都高于大专。(这里完全没有歧视低学历之意)

2.6 公司福利的云图
##公司福利的云图
library(jiebaR)
Welfare<-as.character(Welfare)
wk = worker()
seg_words<-wk[Welfare]
library(plyr)
library(wordcloud)
tableWord<-count(seg_words)
windowsFonts(myFont=windowsFont("华文彩云")) ##使用华文彩云字体
wordcloud(tableWord[,1],tableWord[,2],random.order=F,col= rainbow(100),family="myFont")


现在公司的福利贴有“弹性工作,氛围好,团队,大牛,技术,五险一金”等标签来吸引求职者眼球。

03、5岗之间薪水因素影响比较分析
1. Python岗、Java岗、C++岗、PHP岗、C#岗位的平均薪水


抓取拉勾网职位信息,可以看出python和java的平均薪资较高,C#的平均工资较低。

由此也验证python近几年火热的态势,由于AI的火热,python的需求越来越大,传统的java也比较强势,薪资待遇较高。

2. 相同工作经验不同职位信息薪水比较


对于不同工作经验,不同编程语言平均薪水还是有较大的差异。

3. 相同学历信息不同职位信息薪水比较


通过硕士、本科、大专、不限四种比较,硕士的总体薪资高于本科。

4. 同一职位不同学历信息薪水比较



总的看来,在每个职业,硕士学历的平均薪水高于本科,本科的平均薪水高于大专。

关于作者:徐涛,19年应届毕业生,专注于珊瑚礁研究,喜欢用R各种清洗数据,知乎:parkson

声明:文章收集于网络,如有侵权,请联系小编及时处理,谢谢!

欢迎加入本站公开兴趣群
软件开发技术群
兴趣范围包括:Java,C/C++,Python,PHP,Ruby,shell等各种语言开发经验交流,各种框架使用,外包项目机会,学习、培训、跳槽等交流
QQ群:26931708

Hadoop源代码研究群
兴趣范围包括:Hadoop源代码解读,改进,优化,分布式系统场景定制,与Hadoop有关的各种开源项目,总之就是玩转Hadoop
QQ群:288410967 

鲜花
2

握手

雷人

路过

鸡蛋

刚表态过的朋友 (2 人)

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-11-20 08:03 , Processed in 0.160135 second(s), 25 queries .