|
|
51CTO旗下网站
|
|
移动端

15分钟,教你用Python爬网站数据,并用BI可视化分析!

作为一名在数据行业打拼了两年多的数据分析师,虽然目前收入还算ok,但每每想起房价,男儿三十还未立,内心就不免彷徨不已~

作者:数据分析不是个事儿来源:头条科技|2019-01-16 18:34

作为一名在数据行业打拼了两年多的数据分析师,虽然目前收入还算ok,但每每想起房价,男儿三十还未立,内心就不免彷徨不已~

两年时间里曾经换过一份工作,一直都是从事大数据相关的行业。目前是一家企业的BI工程师,主要工作就是给业务部门出报表和业务分析报告。

回想自己过去的工作成绩也还算是不错的,多次通过自己分析告,解决了业务的疑难杂症,领导们各种离不开。

但安逸久了总会有点莫名的慌张,所以我所在的这个岗位未来会有多大发展空间,十年之后我能成为什么样的人呢?自己的收入空间还有多少?

一番惆怅之后,别再问路在何方了,于是抄起自己的“家伙”,花了一小会时间爬了智联招聘上BI岗位的数据信息,做了个分析。

PS:所用工具为Python+BI

数据分析的过程如同烧一顿饭,先要数据采集(买菜),然后数据建模(配菜)、数据清洗(洗菜)、数据分析(做菜)、数据可视化(摆盘上菜)。

所以***步,要采集/选择数据。

一、Python爬取智联招聘岗位信息(附源码)

选择智联招聘,通过Python来进行“BI工程师”的关键数据信息的爬取,这里大家也可以试着爬取自己岗位的关键词,如“数据分析师”、“java开发工程师 ”等。经过F12分析调试,数据是以JSON的形式存储的,可以通过智联招聘提供的接口调用返回。

15分钟,教你用Python爬网站数据,并用BI可视化分析!

那么我这边通过Python对智联招聘网站的数据进行解析,爬取了30页数据,并且将岗位名称、公司名称、薪水、所在城市、所属行业、学历要求、工作年限这些关键信息用CSV文件保存下来。

附上完整Python源码:

  1. import requests 
  2. import json 
  3. import csv 
  4. from urllib.parse import urlencode 
  5. import time 
  6.   
  7. def saveHtml(file_name,file_content): #保存conten对象为html文件 
  8.  with open(file_name.replace('/','_')+'.html','wb') as f: 
  9.  f.write(file_content) 
  10.   
  11. def GetData(url,writer):#解析并将数据保存为CSV文件 
  12.  response= requests.get(url) 
  13.  data=response.content 
  14.  saveHtml('zlzp',data) #保存html文件 
  15.  jsondata=json.loads(data) 
  16.  dataList=jsondata['data']['results'
  17.  #print(jsondata) 
  18.  for dic in dataList: 
  19.  jobName=dic['jobName'#岗位名称 
  20.  company=dic['company']['name'#公司名称 
  21.  salary=dic['salary'#薪水 
  22.  city=dic['city']['display'#城市 
  23.  jobtype = dic['jobType']['display'#所属行业 
  24.  eduLevel=dic['eduLevel']['name'#学历要求 
  25.  workingExp=dic['workingExp']['name'#工作经验 
  26.  print(jobName,company,salary,city,jobtype,eduLevel,workingExp) 
  27.  writer.writerow([jobName,company,salary,city,jobtype,eduLevel,workingExp]) 
  28. param={ 'start':0
  29.  'pageSize':60
  30.  'cityId':489
  31.  'workExperience':-1
  32.  'education':-1
  33.  'companyType': -1
  34.  'employmentType': -1
  35.  'jobWelfareTag': -1
  36.  'kw''BI工程师'#搜索关键词,可以根据你需要爬取的岗位信息进行更换 
  37.  'kt'3
  38.  'lastUrlQuery': {"p":1,"pageSize":"60","jl":"681","kw":"python","kt":"3"
  39.  }#参数配置 
  40. pages=range(1,31)#爬取1-30页数据 
  41. out_f = open('test.csv''w', newline=''
  42. writer = csv.writer(out_f) 
  43. writer.writerow(['jobName','company','salary','city','jobtype','eduLevel','workingExp']) 
  44. for p in pages: #自动翻页 
  45.  param['start']=(p-1)*60 
  46.  param['lastUrlQuery']['p']=p 
  47.  url = 'https://fe-api.zhaopin.com/c/i/sou?' + urlencode(param) 
  48.  GetData(url,writer) 
  49.  time.sleep(3)#间隔休眠3秒,防止IP被封 
  50.  print(p) 
  51. out_f.close()  

经过一番编译调试,代码成功运行。

15分钟,教你用Python爬网站数据,并用BI可视化分析!

全部数据爬取完毕,一共1800条,保存在本地CSV文件中。

数据是爬到了,具体我想了解哪些信息呢:各城市的BI岗位需求情况以及薪资水平;薪水随工作经验的涨幅情况,以及有哪些具体的高薪岗。

由此可见,想要分析的角度很多,且看了源数据,还要做不少的数据处理。最简单快速出可视化的方法自然是用BI工具,来对数据做简单清洗加工,并呈现可视化。

BI能应付绝大多数场景的数据分析,尤其擅长多维数据切片,不需要建模;甚至数据清洗环节也能放在前端,通过过滤筛选、新建计算公式等来解决。***呈现可视化,并可设计数据报告。

这里我用FineBI来做这样一份分析。

FineBI做分析大体是这样的流程:连接/导入数据——数据处理/清洗(过滤、筛选、新增公式列)——探索式分析——数据可视化——出报告。

二、数据清洗加工

1.薪水上下限分割:

将CSV文件数据导入FineBI中(新建数据链接,建立一个分析业务包,然后导入这张excel表)。因为薪水是以xxK-xxk(还有一些类似校招/薪资面议的数据)的形式进行存储的,我这边使用FineBI新增公式列(类似excel函数)将这些字符进行分割:

薪水下限(数值):left( indexofarray ( split (salary,"-") ,1),find( "K",INDEXOFARRAY( split(salary,"-") ,1))-1)

薪水上限(含K字符):right ( indexofarray( split(salary,"-") ,2),len(salary)- find("K",indexofarray(split(salary,"-"),2 ) ) )

薪水上限(数值):left( 薪水上限(文本),find("K",薪水上限(文本))-1 )

这样就得到每个岗位的数值格式的薪水区间了:

15分钟,教你用Python爬网站数据,并用BI可视化分析!

2.脏数据清洗:

浏览了一下数据,没有大问题,但是发现里面有一些类似BIM工程师的岗位信息,这些应该都是土木行业的工程师,这边我直接过滤掉即可(不包含“BIM”且不包含“bim”)。

15分钟,教你用Python爬网站数据,并用BI可视化分析!

3.岗位平均数据计算

再新增列,平均薪水=(薪水下限+薪水上限)/2,即可得到每个岗位的平均薪水。

15分钟,教你用Python爬网站数据,并用BI可视化分析!

4.真实城市截取

由于城市字段存储有的数据为“城市-区域”格式,例如“上海-徐汇区”,为了方便分析每个城市的数据,***新增列“城市”,截取“-”前面的真实城市数据。

城市:if(find("-",city)>0 , left(city, find("-",city)-1 ),city)

15分钟,教你用Python爬网站数据,并用BI可视化分析!

至此,18000多条数据差不多清洗完毕,食材已经全部准备好,下面可以正式开始数据可视化的美食下锅烹饪。

三、数据可视化

数据可视化可以说是很简单了,拖拽要分析的数据字段即可。

但是这里用finebi分析要理解一个思路。常规我们用excel做分析或者说做图表,是先选用钻则图表然后设定系列、数值。这里没有系列和数值的概念,只有横轴和竖轴。拖入什么字段,该字段就以该轴进行扩展,至于图表嘛,finebi会自动判别推荐。

我这边以各城市平均薪水/岗位数量分析为例给大家简单展示FineBI的可视化呈现过程。

1、横轴以“城市”字段扩展,展现两类数据。先是薪水值,拖拽到纵轴,默认对数值类的字段是汇总求和的。点击字段可直接对改字段修改计算、过滤等操作。

15分钟,教你用Python爬网站数据,并用BI可视化分析!

此图来自官网,图中数据不是本次分析的数据,仅供参考

2、然后分析每个城市BI岗位的情况。将数据记录数这个指标拖入到纵轴展示。同样的方式,可以修改字段名。这里为了区分两者,将其修改为折线图,并且倒叙展示。

15分钟,教你用Python爬网站数据,并用BI可视化分析!

同理,其他图表也是这样的操作,想清楚展现什么样的数据,怎样展现,数据要作何处理。就得心应手了。其他图表就不一一赘述了。

***,大概花了15分钟,一份完整的智联招聘网站-BI工程师岗位数据分析的可视化报告就制作完成啦~

15分钟,教你用Python爬网站数据,并用BI可视化分析!

审美有限,只能做成这样,其实这个FineBI还能做出这样的效果。

15分钟,教你用Python爬网站数据,并用BI可视化分析!
15分钟,教你用Python爬网站数据,并用BI可视化分析!

四、分析结果

1.目前BI工程师岗位在智联招聘网站的平均薪资为13.46K(痛哭。。。拉低平均薪水的存在),主要薪水区间大概在12-15K(占比27.07%),相关工作需求总数为634个(仅仅为某一天的招聘需求数据)。

2.从城市岗位需求数量分布来看,BI工程师需求主要集中在北京、上海、深圳、广州区域;各城市BI工程师平均薪水方面,去除岗位需求量较少的城市来看,国内排在前面的分别为深圳(14.72K)、上海(14.59K)、北京(14.51)、杭州(12.07K)、成都(11.13K)、广州(10.94K)。

3.从工作年限的平均薪水和岗位需求数量来看,工作5-10年的资深BI工程师的平均薪水可以达到20K以上(朝资深BI工程师方向奋斗!!!1年以下年限的计算出来的平均薪水虽然为19K,但是由于样本量只有3个,所以参考意义不大),其中大部分的工作需求年限为3-5年,平均薪水为14.24K。

4.从学历方面来看,***学历需求主要以本科/大专为主,本科和大专学历要求的平均薪资分别为12.68K和11.97K(感觉差距并不大,过硬的技术实力可能才是企业最为看重的吧),博士和硕士学历需求很少。

5.看了一些高薪的招聘企业,***的可以给到30K~40K的薪酬水平,其中主要是互联网、IT类公司为主。

醍醐灌顶,顿时有了奋斗的动力~知识就是财富,继续好好学习去吧,少年!!!

【编辑推荐】

  1. FoundationDB Record Layer 宣布开源,提供关系数据库功能
  2. 你想要的 Python 编程技巧,我都给你整理好了
  3. 50个抢票加速包,还不如这个Python抢票神器_技术栈微信半月刊第33期
  4. GitHub宣布创建私有仓库免费且***制,开发者期待已久!
  5. 面向开发者的18个机器学习平台
【责任编辑:张燕妮 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

16招轻松掌握PPT技巧

16招轻松掌握PPT技巧

GET职场加薪技能
共16章 | 晒书包

289人订阅学习

20个局域网建设改造案例

20个局域网建设改造案例

网络搭建技巧
共20章 | 捷哥CCIE

645人订阅学习

WOT2019全球人工智能技术峰会

WOT2019全球人工智能技术峰会

通用技术、应用领域、企业赋能三大章节,13大技术专场,60+国内外一线人工智能精英大咖站台,分享人工智能的平台工具、算法模型、语音视觉等技术主题,助力人工智能落地。
共50章 | WOT峰会

0人订阅学习

读 书 +更多

C#入门经典(第3版)

本书将全面介绍C#编程的所有知识,共分为5篇:第1篇是C#语言:介绍了C#语言的所有内容,从基础知识到面向对象的技术,应有尽有。第2篇是Win...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO播客