前言

在我们学习完python基础后

就要选择往哪个方向学习拉

有的同学选择兼职，有的同学选择就业

有的同学想学单个方向，比如：数据分析

那么今天我们来分析一下数据分析岗位薪资与经验/学历占比吧

准备

首先，我们要提前准备好数据

没有数据的同学可以自己先行采集或者找我领取哦~

可加Q君羊：582950881

数据分析流程

原始数据

数据清洗

数据分析

结论

代码展示

导入模块

import pandas as pd # anaconda里面自带的，如果是pycharm需要另外安装# 导入绘图的图表from pyecharts.charts import Bar,Pie # 这个得命令安装

读取csv，并且添加header

df = pd.read_csv('boss.csv') # 默认会隐藏掉一些行pd.set_option('display.max_rows',None) # 设置显示所有行 （一般不做这个操作）df

数据预览

df.head()

数据可视化和简单的分析

不同城市的平均工资差异

mean = df.groupby('address').salary.mean()bar = (Bar().add_xaxis(mean.index.tolist()).add_yaxis("均值", mean.values.astype('int64').tolist()))bar.render_notebook()

各学历薪资均值比较图

mean = df.groupby('diploma').salary.mean()bar = (Bar().add_xaxis(mean.index.tolist()).add_yaxis("平均工资", mean.values.astype('int64').tolist()))bar.render_notebook()

有什么不懂同学可以加Q君羊：582950881

（获取解答/教程/资料/源码）

不同工作经验薪资均值比较图

mean = df.groupby('experience').salary.mean()bar = (Bar().add_xaxis(mean.index.tolist()).add_yaxis("均值", mean.values.astype('int64').tolist()))bar.render_notebook()

市场学历需求占比

data = df['diploma'].value_counts()x = data.index.tolist()y = data.values.tolist()c = (Pie().add("",[list(b) for b in zip(x, y)]))c.render_notebook()

市场工作经验需求占比

data = df['experience'].value_counts()x = data.index.tolist()y = data.values.tolist()c = (Pie().add("",[list(b) for b in zip(x, y)]))c.render_notebook()

行业需求占比

data = df['lables'].value_counts()x = data.index.tolist()y = data.values.tolist()c = (Pie().add("",[list(b) for b in zip(x, y)]))c.render_notebook()

尾语

好啦，本文章到这里就结束拉

有喜欢的小伙伴记得给博主一个三连哦~

希望你在学习的路上不忘初心，坚持不懈，学有所成

把时间和精力，放在自己擅长的方向，去坚持与努力，

如果不知道自己擅长什么，就尽快找到它。