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

会员服务 ·

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

2020 年 3 月 20 日 CSDN

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。

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())