PythonorJava？大数据解读学什么语言更赚钱

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：

  1. 爬取拉勾网5岗职位信息--以Python岗为例
  2. 以Python岗位信息为例，分析影响薪资的因素
  3. 5岗之间薪水因素影响比较分析

一、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。

 
 
 
 
    
  
  
  
  
  1. ##以python岗位为例，运用selenium+Chrome()爬取岗位信息
    2. 
  
  
  
  
  2. # coding=UTF-8
    3. 
  
  
  
  
  3. from lxml import etree
    4. 
  
  
  
  
  4. from selenium import webdriver
    5. 
  
  
  
  
  5. import time
    6. 
  
  
  
  
  6. import csv
    7. 
  
  
  
  
  7. 
  
  
  
  
  8. browser = webdriver.Chrome()
    9. 
  
  
  
  
  9. browser.get('https://www.lagou.com/jobs/list_PYTHON?px=default&city=%E5%85%A8%E5%9B%BD#filterBox')
    10. 
  
  
  
  
  10. browser.implicitly_wait(10)
    11. 
  
  
  
  
  11. 
  
  
  
  
  12. def get_dates(selector):
    13. 
  
  
  
  
  13.         items = selector.xpath('//*[@id="s_position_list"]/ul/li')
    14. 
  
  
  
  
  14.         for item in items:
    15. 
  
  
  
  
  15.             yield {
    16. 
  
  
  
  
  16.                 'Name': item.xpath('div[1]/div[1]/div[1]/a/h3/text()')[0],
    17. 
  
  
  
  
  17.                 'Company': item.xpath('div[1]/div[2]/div[1]/a/text()')[0],
    18. 
  
  
  
  
  18.                 'Salary': item.xpath('div[1]/div[1]/div[2]/div/span/text()')[0],
    19. 
  
  
  
  
  19.                 'Education': item.xpath('div[1]/div[1]/div[2]/div//text()')[3].strip(),
    20. 
  
  
  
  
  20.                 'Size': item.xpath('div[1]/div[2]/div[2]/text()')[0].strip(),
    21. 
  
  
  
  
  21.                 'Welfare': item.xpath('div[2]/div[2]/text()')[0]
    22. 
  
  
  
  
  22.             }
    23. 
  
  
  
  
  23. def main():
    24. 
  
  
  
  
  24.     i = 0
    25. 
  
  
  
  
  25.     for i in range(30):
    26. 
  
  
  
  
  26.         selector = etree.HTML(browser.page_source)
    27. 
  
  
  
  
  27.         browser.find_element_by_xpath('//*[@id="order"]/li/div[4]/div[2]').click()
    28. 
  
  
  
  
  28.         time.sleep(5)
    29. 
  
  
  
  
  29.         print('第{}页抓取完毕'.format(i+1))
    30. 
  
  
  
  
  30.         for item in get_dates(selector):
    31. 
  
  
  
  
  31.             print(item)
    32. 
  
  
  
  
  32.         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
    33. 
  
  
  
  
  33.             fieldnames = ['Name', 'Company', 'Salary', 'Education', 'Size', 'Welfare']
    34. 
  
  
  
  
  34.             writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
    35. 
  
  
  
  
  35.             writer.writeheader()
    36. 
  
  
  
  
  36.             for item in get_dates(selector):
    37. 
  
  
  
  
  37.                 writer.writerow(item)
    38. 
  
  
  
  
  38.         time.sleep(5)
    39. 
  
  
  
  
  39.     browser.close()
    40. 
  
  
  
  
  40. if __name__=='__main__':
    41. 
  
  
  
  
  41.     main()
    42.

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。

二、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。

数据清洗部分

 
 
 
 
    
  
  
  
  
  1. data<-read.csv("E://Data For R/RData/Py.csv")
    2. 
  
  
  
  
  2. data[sample(1:nrow(data),size=10),]
    3.

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。

 
 
 
 
    
  
  
  
  
  1. ##去除Name和Company两列
    2. 
  
  
  
  
  2. DATA<-data[,-c(1,2)]
    3. 
  
  
  
  
  3. ##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
    4. 
  
  
  
  
  4. ##查找哪些行是标题重复的行
    5. 
  
  
  
  
  5. which(DATA$Salary %in% "Salary")
    6. 
  
  
  
  
  6.  [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
    7. 
  
  
  
  
  7. [34] 534 550 566
    8. 
  
  
  
  
  8. ##去除多余的标题所在的行
    9. 
  
  
  
  
  9. DATA<-DATA[-(which(DATA$Salary %in% "Salary")),]
    10. 
  
  
  
  
  10. dim(DATA)
    11. 
  
  
  
  
  11. [1] 545   4
    12.

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。

 
 
 
 
    
  
  
  
  
  1. ##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。
    2. 
  
  
  
  
  2. newdata<-DATA[grep('\\-',DATA$Salary),]
    3. 
  
  
  
  
  3. dim(newdata)
    4. 
  
  
  
  
  4. [1] 544   4
    5. 
  
  
  
  
  5. ##对比前面dim(DATA)，说明薪水少了一行，Salary具有其他的表示形式。
    6. 
  
  
  
  
  6. ##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
    7. 
  
  
  
  
  7. library(tidyr)
    8. 
  
  
  
  
  8. library(stringr)
    9. 
  
  
  
  
  9. newdata<-separate(data=newdata,col=Salary,into=c("lowsalary","highsalary"),sep="-")
    10. 
  
  
  
  
  10. ##分别去除后面的k值，注意k有大写和小写两种形式
    11. 
  
  
  
  
  11. newdata$lowsalary<-str_replace(newdata$lowsalary,'k|K',"")##  |表示或的关系
    12. 
  
  
  
  
  12. newdata$highsalary<-str_replace(newdata$highsalary,'k|K',"")
    13. 
  
  
  
  
  13. newdata$lowsalary<-as.numeric(newdata$lowsalary)##转换数据类型
    14. 
  
  
  
  
  14. newdata$highsalary<-as.numeric(newdata$highsalary)
    15. 
  
  
  
  
  15. newdata$salary<-(newdata$lowsalary+newdata$highsalary)/2
    16. 
  
  
  
  
  16. newdadat<-newdata[,-c(1,2)]##去除原有的lowsalary和highsalary
    17.

2.变量Education

 
 
 
 
    
  
  
  
  
  1. ###Education部分
    2. 
  
  
  
  
  2. ##首先将Education中工作经验和学历分开
    3. 
  
  
  
  
  3. newdata<-separate(data = newdata,col=Education,into=c("Experience","Graduate"),sep = '/')
    4. 
  
  
  
  
  4. table(newdata$Experience)
    5. 
  
  
  
  
  5. 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  
    6. 
  
  
  
  
  6.  187               6             261              46              37               7 
    7. 
  
  
  
  
  7. table(newdata$Graduate)
    8. 
  
  
  
  
  8.  本科  不限  大专  硕士 
    9. 
  
  
  
  
  9.   447    27    63     7 
    10.

3.变量Size

 
 
 
 
    
  
  
  
  
  1. ##此处以公司人数作为描述公司规模的标准
    2. 
  
  
  
  
  2. newdata<-separate(data=newdata,col=Size,into=c('Type','Rong','Number'),sep='/')
    3. 
  
  
  
  
  3. table(newdata$Number)
    4. 
  
  
  
  
  4. 
  
  
  
  
  5.  15-50人   150-500人  2000人以上    50-150人  500-2000人    少于15人 
    6. 
  
  
  
  
  6.    76         139         117         119          82          11 
    7. 
  
  
  
  
  7. table(newdata$Rong)
    8. 
  
  
  
  
  8. 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  
    9. 
  
  
  
  
  9. 86           81           54           30          132           80           33           48 
    10. 
  
  
  
  
  10. ##将Type去除   
    11. 
  
  
  
  
  11. newdata<-newdata[,-3]
    12.

4.变量Welfare

 
 
 
 
    
  
  
  
  
  1. Welfare<-newdata[,"Welfare"]
    2. 
  
  
  
  
  2. ##将Welfare去除
    3. 
  
  
  
  
  3. newdata<-newdata[,-5]
    4. 
  
  
  
  
  4. head(newdata)
    5.

到此，数据清洗部分内容全部结束。

数据分析部分

1.工资与工作年限的关系

 
 
 
 
    
  
  
  
  
  1. library(ggplot2)
    2. 
  
  
  
  
  2. ggplot(newdata,aes(x=Experience,y=salary))+geom_boxplot(col="red")
    3.

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***，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.工资与学历的关系(专科，本科，研究生，不限)

 
 
 
 
    
  
  
  
  
  1. ggplot(newdata,aes(x=Graduate,y=salary))+geom_boxplot(col="red")
    2.

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。

3.工资与公司融资的关系

 
 
 
 
    
  
  
  
  
  1. ggplot(newdata,aes(x=Rong,y=salary))+geom_boxplot(col="red")
    2.

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。。。

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。

5.工资与工作时间和学历的关系

 
 
 
 
    
  
  
  
  
  1. library(ggthemes)
    2. 
  
  
  
  
  2. library(scales)
    3. 
  
  
  
  
  3. ggplot(newdata,aes(x=Experience,y=salary,fill=factor(Graduate)))+
    4. 
  
  
  
  
  4. geom_boxplot()+
    5. 
  
  
  
  
  5. geom_hline(aes(yintercept=20),color="red",linetype="dashed",lwd=1)+
    6. 
  
  
  
  
  6. scale_y_continuous(labels=dollar_format())+theme_few()
    7.

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)

6.公司福利的云图

 
 
 
 
    
  
  
  
  
  1. ##公司福利的云图
    2. 
  
  
  
  
  2. library(jiebaR)
    3. 
  
  
  
  
  3. Welfare<-as.character(Welfare)
    4. 
  
  
  
  
  4. wk = worker()
    5. 
  
  
  
  
  5. seg_words<-wk[Welfare]
    6. 
  
  
  
  
  6. library(plyr)
    7. 
  
  
  
  
  7. library(wordcloud)
    8. 
  
  
  
  
  8. tableWord<-count(seg_words)
    9. 
  
  
  
  
  9. windowsFonts(myFont=windowsFont("华文彩云")) ##使用华文彩云字体
    10. 
  
  
  
  
  10. wordcloud(tableWord[,1],tableWord[,2],random.order=F,col= rainbow(100),family="myFont")
    11.

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。

三、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***。

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。

文章名称：PythonorJava？大数据解读学什么语言更赚钱
标题来源：http://www.shufengxianlan.com/qtweb/news11/436261.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

微信小程序知识

分类信息网

微信开发　　 　成都移动服务器托管　　 　腾讯云香港免备案空间　　 　产品包装设计　　 　绵阳电信服务器托管　　 　成都网站制作　　 　物流公司网站建设方案　　 　网络推广外包　　 　消防维保　　 　犀浦防护栏定制　　 　马边网站建设　　 　雅安机房托管　　 　新津网站运维　　 　德阳电信服务器托管　　 　高端网站设计　　 　重庆网络营销　　 　成都网络推广　　 　泽君科技　　 　成都网站建设　　 　温岭熙道网站