分析数据分析师招聘现状

@猫耳朵

数据产品经理萌新，

开发经验丰富，专注于数据产品。

越来越多的小伙伴想要入行或者转行数据分析，作为圈内老鸟，将使用 pandas 和 Matplotlib 分析一下数据分析师岗位目前现状，希望可以帮到他们。

01

分析目标

1) 公司都要求掌握什么技能？

2) 学历要求高吗？

3) 薪资怎么分布？

4) 不同细分领域对数据分析的需求情况？

5) 各大城市对数据分析岗位的需求情况？

6) 工作经验与薪水有什么关系？

7) 不同规模的企业对经验的要求以及提供薪资的水平是什么？

02

数据加载

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontManagerfrom matplotlib import gridspec
jobData = pd.read_csv('zhaopin.csv')jobData.drop_duplicates(inplace = True) # 删除重复数据jobData

部分数据如下图所示

03

数据预处理

1）过滤非数据分析的岗位

isTrue = jobData['positionName'].str.contains('数据分析') # 职位中是否包含‘数据分析’jobData = jobData[isTrue] # 筛选出想要的字段jobData.reset_index(inplace=True) # 重置行索引jobData

2）用均值作为相应职位的薪水

薪水是一个区间，所以用薪水区间的均值作为相应职位的薪水

jobData['salary'] = jobData['salary'].str.lower()\                    .str.extract(r'(\d+)[k]-(\d+)k')\                    .applymap(lambda x:int(x))\                    .mean(axis=1) # 用薪水区间的均值作为薪水
jobData

3）提取技能要求

将技能分为：Python、SQL、Tableau、Excel、SPSS/SAS、R、数据挖掘。如果job_detail中含有这些技能，则赋值为1，否则为0

jobData['job_detail'] = jobData['job_detail'].str.lower().fillna('') # 将字母小写，缺失值赋为空字符串jobData['python'] = jobData['job_detail'].map(lambda x:1 if('python' in x) else 0)jobData['SQL'] = jobData['job_detail'].map(lambda x:1 if('sql' in x) or ('hive' in x) else 0)jobData['Tableau'] = jobData['job_detail'].map(lambda x:1 if 'tableau' in x else 0)jobData['Excel'] = jobData['job_detail'].map(lambda x:1 if 'excel' in x else 0)jobData['SPSS/SAS'] = jobData['job_detail'].map(lambda x:1 if ('spss' in x) or ('sas' in x) else 0)jobData['R'] = jobData['job_detail'].map(lambda x:1 if('r' in x) else 0)jobData['数据挖掘'] = jobData['job_detail'].map(lambda x:1 if('挖掘') else 0)jobData

04

数据可视化分析

1）各城市对数据分析师的需求量

plt.rcParams['font.family'] = 'Heiti TC'plt.figure(figsize=(12, 9))cities = jobData['city'].value_counts()plt.barh(y = cities.index[::-1],        width = cities.values[::-1],        color = '#78a355')plt.box(False) # 不显示边框plt.title(label='各城市数据分析岗位的需求量',         fontsize = 32, weight = 'bold', color = 'white',         backgroundcolor = '#f47920', pad = 30)plt.tick_params(labelsize = 16)plt.grid(ls = '--', axis = 'x', linewidth = 0.5, color = '#78a355')

如下图得知，一线城市数据分析师岗位较多，其中北京数据分析师岗位需求最多，其次是上海需求紧随其后。

2）不同行业对数据分析师的需求量

industry_index = jobData['industryField'].value_counts()[:10].indexindustry = jobData.loc[jobData['industryField'].isin(industry_index), 'industryField']plt.figure(figsize=(12, 9))plt.barh(y = industry_index[::-1],        width=pd.Series.value_counts(industry.values).values[::-1],        color = '#78a355')plt.box(False) # 不显示边框plt.title('不同领域对数据分析岗位的需求量(前十)',         fontsize = 32, weight = 'bold', color = 'white',         backgroundcolor = '#f47920', pad = 30)plt.tick_params(labelsize = 16)plt.grid(ls = '--', axis = 'x', linewidth = 0.5, color = '#78a355')

如下图得知，电商对于数据分析师的需求量最大，其次是金融。

3）各城市薪资状况

plt.figure(figsize=(12, 9))city_salary = jobData.groupby('city')['salary'].mean().sort_values(ascending=False)plt.bar(x = city_salary.index, height = city_salary.values,       color = plt.cm.coolwarm_r(np.linspace(0,1,len(city_salary))))plt.title('各大城市的薪资对比',         fontsize = 32, weight = 'bold', color = 'white',         backgroundcolor = '#f47920', pad = 30)plt.tick_params(labelsize = 16)plt.grid(ls = '--', axis = 'y', linewidth = 0.5, color = '#a1a3a6')plt.yticks(ticks=np.arange(0, 25, step=5), labels=['', '5k', '10,', '15k', '20k'])plt.box(False)

如下图得知，北京薪资最高，其次上海仅次于杭州。

4）工作经验与薪水关系

work_salary = jobData.pivot_table(index='city', columns='workYear', values='salary')work_salary = work_salary[['应届毕业生', '1-3年', '3-5年', '5-10年', '10年以上']]\                .sort_values(by='10年以上', ascending=False)data = work_salary.valuesdata = np.repeat(data, 4, axis=1)plt.figure(figsize=(12, 9))# plt.cm.OrRd_rplt.imshow(data, cmap='RdBu_r')plt.yticks(np.arange(13), work_salary.index)plt.xticks(np.array([1.5, 5.5, 9.5, 13.5, 17.5]), work_salary.columns)h, w = data.shapefor x in range(w):    for y in range(h):        if (x%4==0) and (~np.isnan(data[y, x])):            text = plt.text(x+1.5, y, round(data[y, x], 1),                           ha='center', va='center', color='r', fontsize=16)plt.colorbar(shrink=0.72)plt.title('工作经验与薪水关系',         fontsize = 32, weight = 'bold', color = 'white',         backgroundcolor = '#f47920', pad = 30)plt.tick_params(labelsize = 16)

如下图所示，数据分析师的工作经验与薪水成正比，北京工作10年以上的年薪是应届毕业生的5倍。

5）学历要求

education = jobData['education'].value_counts(normalize=True)plt.figure(figsize=(9, 9))plt.pie(education, labels=education.index, autopct='%0.2f%%',       wedgeprops=dict(linewidth=3, width=0.5), pctdistance=0.8,       textprops=dict(fontsize=20))plt.title(label='学历要求',         fontsize=32, weight='bold',         color='white', backgroundcolor='#f47920')

如下图所示，85.36%的数据分析师岗位的学历要求最低是本科，5.22%的岗位要求最低是硕士。

6）技能要求

def get_level(x):    if x['python'] == 1:        x['skill'] = 'Python/R'    elif x['R'] == 1:        x['skill'] = 'Python/R'    elif x['SQL'] == 1:        x['skill'] = 'SQL'    elif x['Excel'] == 1:        x['skill'] = 'Excel'    elif x['SPSS/SAS'] == 1:        x['skill'] = 'SPSS/SAS'    else:        x['skill'] = '其他'    return x
jobData = jobData.apply(get_level, axis=1) # 数据转换
# 获取主要技能x = jobData.loc[jobData.skill!='其他'][['salary', 'skill']]condition1 = x['skill'] == 'Python/R'condition2 = x['skill'] == 'SQL'condition3 = x['skill'] == 'Excel'condition4 = x['skill'] == 'SPSS/SAS'
plt.figure(figsize=(12, 8))plt.title(label='不同技能的薪资水平对比',         fontsize=32, weight='bold', color='white',         backgroundcolor='#f47920', pad=30)
plt.boxplot(x=[jobData.loc[jobData.skill!='其他']['salary'][condition1],              jobData.loc[jobData.skill!='其他']['salary'][condition2],              jobData.loc[jobData.skill!='其他']['salary'][condition3],              jobData.loc[jobData.skill!='其他']['salary'][condition4]],            vert=False, labels=['Python/R', 'SQL', 'Excel', 'SPSS/SAS'])
plt.tick_params(axis='both', labelsize=16)plt.grid(axis='x', linewidth=0.75)plt.xticks(np.arange(0, 61, 10), [str(i)+'k' for i in range(0, 61, 10)])plt.box(False)plt.xlabel('工资', fontsize=18)plt.ylabel('技能', fontsize=18)

如下图所示，Python/R的异常值、中位数最高，SQL的上限较高，并且上限和下限差别最大。

7）大公司对技能要求

job_skills = jobData[jobData['companySize'] == '2000人以上']
labels = ['Python', 'SQL', 'Tableau', 'Excel', 'SPSS/SAS', '数据挖掘']counts =[]counts.append(jobData['python'].sum())counts.append(jobData['SQL'].sum())counts.append(jobData['Tableau'].sum())counts.append(jobData['Excel'].sum())counts.append(jobData['SPSS/SAS'].sum())counts.append(jobData['数据挖掘'].sum())
plt.figure(figsize=(9, 6))
plt.bar(x=labels, height=counts,       width=0.5,       color=plt.cm.coolwarm_r(np.linspace(0,1,len(counts))))np.linspace(0,1,len(counts))
plt.title(label='大公司对技能的要求',         fontsize=32, weight='bold', color='white',         backgroundcolor='#f47920', pad=30)plt.tick_params(labelsize=16,)plt.grid(axis='y')plt.box(False)

由下图得知，大公司要求最多的是数据挖掘，其次是SQL、Python。

8）不同规模的公司在招人要求上的差异

color_map = {    5:"#ff0000",    4:"#ffa500",    3:"#c5b783",    2:"#3c7f99",    1:"#0000cd"}
cond = jobData.workYear.isin({'5-10年':5, '3-5年':4, '1-3年':3, '1年以下':2, '应届毕业⽣':1})
jobData = jobData[cond]
jobData['workYear'] = jobData.workYear.map(workYear_map)
# 根据companySize进⾏排序，⼈数从多到少jobData['companySize'] = jobData['companySize'].astype('category')# list_custom = ['2000⼈以上', '500-2000⼈','150-500⼈','50-150⼈','15-50⼈','少于15⼈']list_custom = ['2000人以上', '500-2000人', '150-500人', '50-150人', '15-50人', '少于15人']# inplace = True，使 recorder_categories生效jobData['companySize'].cat.reorder_categories(list_custom, inplace=True)# inplace = True，使 df生效jobData.sort_values(by = 'companySize',inplace = True,ascending = False)
plt.figure(figsize=(12,11))gs = gridspec.GridSpec(10,1)plt.subplot(gs[:8])plt.suptitle(t=' 不同规模公司的⽤⼈需求差异 ',    fontsize=32,    weight='bold', color='white', backgroundcolor='#3c7f99')
# 画散点图plt.scatter(jobData.salary,jobData.companySize,    c = jobData.workYear.map(color_map),    s = (jobData.workYear*100),    alpha = 0.35)plt.scatter(jobData.salary,jobData.companySize,    c = jobData.workYear.map(color_map))
plt.grid(axis = 'x')plt.xticks(np.arange(0,61,10), [str(i)+"k" for i in range(0,61,10)])plt.xlabel('⼯资', fontsize=18)plt.box(False)plt.tick_params(labelsize = 18)               # 绘制底部标记plt.subplot(gs[9:])x = np.arange(5)[::-1]y = np.zeros(len(x))s = x*100plt.scatter(x,y,s=s,c=color_map.values(),alpha=0.3)plt.scatter(x,y,c=color_map.values())plt.box(False)plt.xticks(ticks=x,labels=list(workYear_map.keys()),fontsize=14)plt.yticks(np.arange(1),labels=[' 经验：'],fontsize=18)

由下图得知，大部分公司对工作经验为3年以上的求职者，需求量大。其中，需求量最大的是中大型公司。

05

结论

1）北京为数据分析师需求量最大的一线城市；

2）一线城市的数据分析师岗位的薪资很有竞争力；

3）数据分析工程师的核心技能：数据挖掘、SQL、Python等。

数据人交流和学习的社区，关注我们，掌握专业数据知识、结识更多的数据小伙伴。

带你探索数据的神奇奥秘