毕业设计 基于大数据人才岗位数据分析

文章目录

1 前言

这里是毕设分享系列，学长分享优质毕业设计项目，今天要分享的是

🚩 基于大数据人才岗位数据分析

项目运行效果：

毕业设计 基于大数据人才岗位数据分析

项目获取：

https://gitee.com/assistant-a/project-sharing

1. 数据集说明

这是一份来自厦门人才网的企业招聘数据，采集日期为 2021-01-14，总计 100,077 条记录，大小为 122 M，包含 19 个字段。

2. 数据处理

2.1 数据清洗

使用 pandas 对数据进行清洗，主要包括：去重、缺失值填充、格式化、计算冗余字段。

# 数据重复处理: 删除重复值# print(data[data.duplicated()])
data.drop_duplicates(inplace=True)
data.reset_index(drop=True, inplace=True)# 缺失值查看、处理：
data.isnull().sum()# 招聘人数处理：缺失值填 1 ，一般是一人; 若干人当成 3人
data['num'].unique()
data['num'].fillna(1, inplace=True)
data['num'].replace('若干',3, inplace=True)# 年龄要求：缺失值填 无限；格式化
data['age'].unique()
data['age'].fillna('不限', inplace=True)
data['age']= data['age'].apply(lambda x: x.replace('岁至','-').replace('岁',''))# 语言要求: 忽视精通程度，格式化
data['lang'].unique()
data['lang'].fillna('不限', inplace=True)
data['lang']= data['lang'].apply(lambda x: x.split('水平')[0])
data['lang'].replace('其他','不限', inplace=True)# 月薪: 格式化。根据一般经验取低值，比如 5000-6000, 取 5000
data['salary'].unique()
data['salary']= data['salary'].apply(lambda x: x.replace('参考月薪： ','')if'参考月薪： 'instr(x)else x)
data['salary']= data['salary'].apply(lambda x: x.split('-',1)[0]if'-'instr(x)else x )
data['salary'].fillna('0', inplace=True)# 其它岗位说明：缺失值填无
data.fillna('其他', inplace=True)# 工作年限格式化defjobage_clean(x):if x in['应届生','不限']:return x
    elif re.findall('\d+年', x):return re.findall('(\d+)年', x)[0]elif'年'in x:
        x = re.findall('\S{1,2}年', x)[0]
        x = re.sub('厂|验|年|，','', x)
        digit_map ={'一':1,'二':2,'三':3,'四':4,'五':5,'六':6,'七':7,'八':8,'九':9,'十':10,'十一':11,'十二':12,'十三':13,'十四':14,'十五':15,'十六':16,'两':2}return digit_map.get(x, x)return'其它工作经验'

data['jobage'].unique()
data['jobage']= data['jobage'].apply(jobage_clean)# 性别格式化
data['sex'].unique()
data['sex'].replace('无','不限', inplace=True)# 工作类型格式化
data['job_type'].unique()
data['job_type'].replace('毕业生见习','实习', inplace=True)# 学历格式化
data['education'].unique()
data['education']= data['education'].apply(lambda x: x[:2])# 公司类型 格式化defcompany_type_clean(x):iflen(x)>100or'其他'in x:return'其他'elif re.findall('私营|民营', x):return'民营/私营'elif re.findall('外资|外企代表处', x):return'外资'elif re.findall('合资', x):return'合资'return x

data['company_type'].unique()
data['company_type']= data['company_type'].apply(company_type_clean)# 行业 格式化。多个行业，取第一个并简单归类defindustry_clean(x):iflen(x)>100or'其他'in x:return'其他'
    industry_map ={'IT互联网':'互联网|计算机|网络游戏','房地产':'房地产','电子技术':'电子技术','建筑':'建筑|装潢','教育培训':'教育|培训','批发零售':'批发|零售','金融':'金融|银行|保险','住宿餐饮':'餐饮|酒店|食品','农林牧渔':'农|林|牧|渔','影视文娱':'影视|媒体|艺术|广告|公关|办公|娱乐','医疗保健':'医疗|美容|制药','物流运输':'物流|运输','电信通信':'电信|通信','生活服务':'人力|中介'}for industry, keyword in industry_map.items():if re.findall(keyword, x):return industry
    return x.split('、')[0].replace('/','')

data['industry'].unique()
data['industry']= data['industry'].apply(industry_clean)# 工作时间格式化
data['worktime'].unique()
data['worktime_day']= data['worktime'].apply(lambda x: x.split('小时')[0]if'小时'in x else0)
data['worktime_week']= data['worktime'].apply(lambda x: re.findall('\S*周', x)[0]if'周'in x else0)# 从工作要求中正则解析出：技能要求
data['skill']= data['require'].apply(lambda x:'、'.join(re.findall('[a-zA-Z]+', x)))

2.2 数据导入

将清洗后的数据导入到 hive

CREATETABLE`job`(`position` string COMMENT'职位',`num` string COMMENT'招聘人数',`company` string COMMENT'公司',`job_type` string COMMENT'职位类型',`jobage` string COMMENT'工作年限',`lang` string COMMENT'语言',`age` string COMMENT'年龄',`sex` string COMMENT'性别',`education` string COMMENT'学历',`workplace` string COMMENT'工作地点',`worktime` string COMMENT'工作时间',`salary` string COMMENT'薪资',`welfare` string COMMENT'福利待遇',`hr` string COMMENT'招聘人',`phone` string COMMENT'联系电话',`address` string COMMENT'联系地址',`company_type` string COMMENT'公司类型',`industry` string COMMENT'行业',`require` string COMMENT'岗位要求',`worktime_day` string COMMENT'工作时间(每天)',`worktime_week` string COMMENT'工作时间(每周)',`skill` string COMMENT'技能要求')row format delimited
fieldsterminatedby','linesterminatedby'\n';-- 加载数据LOADDATA INPATH '/tmp/job.csv' OVERWRITE INTOTABLE job;

通过 hue 查看一下数据

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MvFQy0xU-1660662177250)(https://gitee.com/TurboWay/blogimg/raw/master/img/image-20210121195311442.png)]

然后随便点击一条数据，可以看到，经过前面的清洗，现在的字段已经很好看了，后续的分析也会变得简单许多。

3. 数据分析可视化

3.1 整体情况（招聘企业数、岗位数、招聘人数、平均工资）

招聘企业数为 10093，在招的岗位数有 10 万个，总的招聘人数为 26 万人，平均工资为 5576 元。

3.2 企业主题

行业情况

各行业的招聘人数排行 TOP10 如下，可以看到 IT 互联网最缺人。

由于数据源的行业分类比较草率，很多公司的分类其实并不是很准确，所以这个结果仅供参考。

公司类型

从招聘人数上来看，民营/私营的企业最缺人，事业单位的招聘人数最少。

从薪资待遇来看，上市公司平均薪资最高 5983 元，而台资/港资则最少 4723 元。

最缺人的公司 TOP

最缺人的公司果然是人力资源公司，总的要招聘 2000 多个人，从详情来看，大多是代招一些流水线岗位。

平均薪资最高的公司 TOP

平均薪资最高的公司 上海美莱投资管理有限公司 居然有 5 万多，一惊之下，查了下这家公司的招聘信息，可以看到该公司在招的都是高级岗，比如 集团片区总经理（副总裁级），这个岗位人数达到 20 人，岗位月薪 6 万，所以直接把平均薪资拉高了，而且工作地点也不在厦门。

由以上分析，可以得知根据招聘信息来推算平均工资，其实误差还是比较大的，仅供参考。

工作时间

从每天工作时间占比 TOP 10 来看，大部分职位是 8 小时工作制，紧接着是 7.5 小时 和 7小时。还有一些每天上班时间要达到 12 小时，主要是 保安 和 普工 这类岗位。

每周工作天数占比来看，大部分还是 5天/周的双休制，不过 6 天/周、5.5 天/周、大小周的占比也是相当高。

工作地点

岗位数量的分布图，颜色越深代表数量越大，可以看到思明区的工作机会最多，其次是湖里、集美、同安、海沧、翔安。

福利词云

3.3 岗位主题

工作经验要求

从岗位数量来看，一半以上的岗位对工作经验是没有要求的。在有经验要求的岗位里面，1-3 年工作经验的市场需求是最大的。

从平均工资来看，符合一般认知。工作经验越多，工资也越高，10 年以上的工作经验最高，平均工资为 13666 元；应届生最低，平均工资为 4587 元。

学历要求

从岗位数来看，大部分岗位的学历要求为大专以上，换言之，在厦门，只要大专学历，就很好找工作了。

从平均工资来看，学历越高，工资越高，这也符合一般认知，谁说的读书无用论来着。

有趣的是，不限学历的平均工资居然排在了高中的前面，或许这是 九年义务教育的普及与大学扩招带来的内卷，在招聘方眼里，只有两大类：上过大学和没上过大学，从而导致大专以下的学历优势不再明显。

性别要求

岗位数方面，有 6974 个岗位，明确要求性别为 女，仅有 575 个岗位要求性别为 男。

平均工资方面，女性岗位的平均工资为 5246 元，而男性则为 4454 元。

虽然绝大多数岗位都是不限制性别的，但是，不管是从岗位数量还是平均工资来看，在厦门，女性比男性似乎有更多的职场优势。

年龄要求

年龄要求一般有一个上限和下限，现在只考虑上限，并通过上限来分析一下，所谓 35 岁的危机。

岗位数量上来看，大多数岗位是不限制年龄的，有限制年龄的岗位里面，35 岁以后的岗位有 7327 个，35 岁及以下的岗位有 32967 个，

岗位数量上确实少了非常多。

从平均工资来看，35 岁以后的岗位 5095 元，35岁及以下的岗位 5489 元，薪资上少了 394 元。

所以，单单考虑岗位的年龄上限，那么 35 岁以后的市场需求确实会变少。

但是，为什么会是这样的情况呢，个人认为，有可能是 35 岁 以后的职场人士，沉淀更多，进入了更高级的职位，更稳定，所以流动性比较低，自然市场上空出来的需求也会变少了，更不用说还有一部分人变成了创业者。

语言要求

大部分岗位没有语言要求，在有语言要求的岗位里面，英语妥妥的是第一位。

值得一提的是，这边还有个闽南语，因为厦门地处闽南，本地的方言就是闽南语。

编程语言要求

比较流行的编程语言里面，被岗位要求提到的次数排行如下 。可以看到，C 语言被提及的次数远大于其它语言，不亏是排行榜常年第一的语言。比较惊讶的是如今大火的 python 被提及的次数却很少，排在倒二。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0f2WXrN9-1660662177260)(https://gitee.com/TurboWay/blogimg/raw/master/img/image-20210122172459174.png)]

这些语言的平均薪资排行，Python 最高为 8732 元。

4. 模型预测

我们知道影响工资待遇的因素有很多：学历、工作经验、年龄、招聘方的紧急程度、技能的稀缺性、行业的发展情况。。。等等。

所以，为了简化模型，就学历和工作经验两个维度进行模型训练，尝试做工资预测。

import pandas as pd
from sklearn.linear_model import LinearRegression

defpredict(data, education):"""
    :param data: 训练数据
    :param education: 学历
    :return: 模型得分，10年工作预测
    """
    train = data[data['education']== education].to_numpy()
    x = train[:,1:2]
    y = train[:,2]# model 训练
    model = LinearRegression()
    model.fit(x, y)# model 预测
    X =[[i]for i inrange(11)]return model.score(x, y), model.predict(X)

education_list =['小学','初中','中专','高中','大专','本科','硕士','博士']
data = pd.read_csv('train.csv')

scores, values =[],[]for education in education_list:
    score, y = predict(data, education)
    scores.append(score)
    values.append(y)

result = pd.DataFrame()
result['学历']= education_list
result['模型得分']= scores
result['(1年经验)平均工资']=[value[1]for value in values]
result['(3年经验)平均工资']=[value[2]for value in values]
result['(5年经验)平均工资']=[value[4]for value in values]
result['(10年经验)平均工资']=[value[10]for value in values]print(result)

使用线性回归模型分学历进行预测，预测结果如下。

项目运行效果：

毕业设计 基于大数据人才岗位数据分析

项目获取：

https://gitee.com/assistant-a/project-sharing