用 Python 分析招聘岗位,结果 Python 薪资竟然垫底。。。

简介: 用 Python 分析招聘岗位,结果 Python 薪资竟然垫底。。。

全国数据汇总

首先我们先来看下9个城市招聘数据的汇总情况

数据汇总

首先读取所有的文件数据,再通过 concat 函数合并

beijing = pd.read_csv("beijing_data.csv")
shanghai = pd.read_csv("shanghai_data.csv")
shenzhen = pd.read_csv("shenzhen_data.csv")
guangzhou = pd.read_csv("guangzhou_data.csv")
hangzhou = pd.read_csv("hangzhou_data.csv")
nanjing = pd.read_csv("nanjing_data.csv")
wuhan = pd.read_csv("wuhan_data.csv")
xian = pd.read_csv("xian_data.csv")
chengdu = pd.read_csv("chengdu_data.csv")
all_data = pd.concat([beijing, shanghai, shenzhen, guangzhou, hangzhou, nanjing, wuhan, xian, chengdu], ignore_index=True)

计算平均薪资

由于抓取到的薪资都是一个范围值,所以需要简单处理下,求出每个岗位的平均薪资

import re
rege = r'(\d+)-(\d+)K'
def get_num(mystr):
    res = re.match(rege, mystr)
    result = (int(res.group(1)) + int(res.group(2)))/2
    return int(result)
all_data['avg_salary'] = all_data['salary'].apply(get_num)

招聘平均薪资排行

先来看看全国企业中,招聘薪资前十的都是哪些公司

从上面的统计可以看出,大多数企业都是仅仅有一个岗位在招聘当中,而且给出的薪资都是相当诱人的。

而排行第一的慧择信息集团,好像还是一个新生企业,从平均薪资来看,3个在招的岗位薪资应该都是很高的,看来应该是一家极具潜力的公司。

招聘岗位数量排行

下面再来看下全国范围内企业的招聘数量

对于榜单的前两名,不多说了,知道的都懂!

榜单的其余部分,可都是货真价实的大厂,其中 VIVO 最为抢眼啊,58个在招岗位,平均薪资可以给到38K+,看着都眼红!

同时阿里集团和蚂蚁金服,作为中国互联网的圣地,无论是在招岗位还是薪资待遇,都是国内顶级了。

而腾讯,BOSS 直聘的薪资待遇也是非常好的。至于京东和华为,好像多少有些落后了,不过京东咱不清楚,华为的年终奖可是业界有名,传说中高级别员工都看不上那点工资呀。

下面我们再把榜单扩展到前20名,为了效果,我把前两名去掉了,不是我太残忍,而是我不能忍!


看下榜单,基本囊括了中国所有出名的大厂,而且不但在招岗位多,给到的薪资也很有竞争力,有钱任性啊。

高薪岗位分布

下面我们再看下,高薪岗位前30名中,岗位类型的分布情况

可以看到,近期大火的数据分析岗位占据了将近一半的比例,看来这个岗位的火爆还是有其薪资的强大支撑的。

接下来 Java 和产品经理的岗位数量不相上下,而最为可怜的就是 Python 岗了,虽然号称全球最火,可是真正的高薪岗位却少之又少,难道是因为其上手容易,所以比较好招人嘛?

那么我们再来比较下这四种岗位的总体岗位数量和平均薪资情况,虽然平均薪资看起来是一刀切,但是还是可以在一定程度上反映出不同岗位之间的薪资差距的

可以看出,平均薪资最高的仍然是 Java,而且在招的岗位也是最多的,所以说成为一名合格的 Java 工程师还是最好的从业选择?

而数据分析岗位的总体平均薪资竟然成为了最低的,不过仍然有接近15K的水平,这是不是说明高级的数据分析专家和低阶的数据分析员们正在两极分化的路上越走越远呢!

好了,对于全国的岗位分析暂时就这么多,下面再一起来看看不同城市的数据情况,正如上一篇文章中说的那样,当今的中国互联网已经不再是“北上广深”了,而应该改为“北上深杭”,那么我也就抽取了这四个城市的数据,来简单分析下。

四巨头平均薪资

同样的,我们先来看下四座城市平均招聘薪资最高的排行榜情况

平均薪资排行

北京

上海

深圳

杭州

从上面的统计榜单可以看出,大部分上榜的公司都是因为很少的在招岗位、很高的薪资区间才得以上榜的,所以我们很难看到一些诸如阿里,腾讯等超级巨头,因为他们的招聘岗位很多,薪资通过平均的计算后,自然就落选榜单了。

但是,深圳的 VIVO 公司绝对是王者般的存在,37个在招岗位,平均薪资还能达到40K+,我只想问问,哪位在 VIVO 工作,求介绍,求勾搭!

四巨头高薪排行

接下来我们再看看这四座城市高薪岗位的前十名情况

北京

上海

深圳

杭州

可以看出,在高薪岗位中,基本是高级 Java 和高级数据分析的天下,对于产品经理和 Python 工程师来说,可能有点凄凉了。

而对于上榜的企业来说,上榜最多的无疑还是 VIVO 了,尤其是在其大本营深圳,VIVO 的高薪岗位基本占据了半壁江山。当然令人意外的是,腾讯竟然没有一个岗位挤进前十,what's the problem?

而上榜第二多的企业就是阿里集团了,无论是北京、上海还是杭州,都有阿里的高薪岗位,不得不说,大城市的程序猿就是幸福指数高哦!

四巨头高薪分布

最好,我们再来看看高薪岗位的分布情况

北京

上海

深圳

杭州

一句话总结就是,北京的 Java,深圳的产品经理,杭州的数据分析,无处安放的 Python!

相关文章
|
3天前
|
数据采集 SQL 关系型数据库
Python学习路线【对标大厂Python开发工程师的招聘要求,并推荐优质免费资源】打卡学习不迷茫
Python学习路线【对标大厂Python开发工程师的招聘要求,并推荐优质免费资源】打卡学习不迷茫
30 14
|
8天前
|
数据采集 JSON 数据可视化
【Python实战】Python对中国500强排行榜数据进行可视化分析
【Python实战】Python对中国500强排行榜数据进行可视化分析
|
8天前
|
机器学习/深度学习 分布式计算 数据可视化
使用Python进行大规模数据处理和分析
总而言之,Python作为一种强大而灵活的编程语言,在大规模数据处理和分析领域有着广泛的应用。通过不断学习和探索,我们可以充分发挥Python的潜力,为解决现实世界的数据挑战做出更大的贡献。让我们继续深入学习、探索和创造,在数据科学的道路上不断前行!
|
9天前
|
JSON 数据可视化 API
技术心得:如何用Python和API收集与分析网络数据?
技术心得:如何用Python和API收集与分析网络数据?
17 2
|
21天前
|
数据采集 存储 数据挖掘
Python网络爬虫实战:抓取并分析网页数据
使用Python的`requests`和`BeautifulSoup`,本文演示了一个简单的网络爬虫,抓取天气网站数据并进行分析。步骤包括发送HTTP请求获取HTML,解析HTML提取温度和湿度信息,以及计算平均温度。注意事项涉及遵守robots.txt、控制请求频率及处理动态内容。此基础爬虫展示了数据自动收集和初步分析的基础流程。【6月更文挑战第14天】
108 9
|
18天前
|
消息中间件 安全 开发者
Python global关键字分析
Python 是一种高级编程语言,拥有非常强大的功能和灵活性。在 Python 中,global 关键字可以用于在函数内部修改全局变量的值。本篇技术博客将介绍 global 关键字的使用方法和实现原理。
24 5
|
18天前
|
存储 Python
Python的命名空间和作用域分析
在Python中,命名空间(Namespace)是用来存储变量名和对象引用之间映射关系的字典,而作用域(Scope)是指程序中变量可以被访问的区域范围。Python中的命名空间是用来存储变量名和对象引用之间映射关系的字典,Python中存在3种命名空间:内置命名空间、全局命名空间和局部命名空间。Python中存在3种命名空间:内置命名空间、全局命名空间和局部命名空间。局部作用域:由局部命名空间定义,在函数内部定义的变量只能在该函数内部访问。在全局命名空间中定义的变量可以在模块内的任何函数或类中直接使用。
21 3
|
20天前
|
算法 搜索推荐 开发者
解锁Python代码的速度之谜:性能瓶颈分析与优化实践
探索Python性能优化,关注解释器开销、GIL、数据结构选择及I/O操作。使用cProfile和line_profiler定位瓶颈,通过Cython减少解释器影响,多进程避开GIL,优化算法与数据结构,以及借助asyncio提升I/O效率。通过精准优化,Python可应对高性能计算挑战。【6月更文挑战第15天】
24 1
|
22天前
|
数据采集 机器学习/深度学习 数据可视化
数据挖掘实战:Python在金融数据分析中的应用案例
Python在金融数据分析中扮演关键角色,用于预测市场趋势和风险管理。本文通过案例展示了使用Python库(如pandas、numpy、matplotlib等)进行数据获取、清洗、分析和建立预测模型,例如计算苹果公司(AAPL)股票的简单移动平均线,以展示基本流程。此示例为更复杂的金融建模奠定了基础。【6月更文挑战第13天】
114 3
|
23天前
|
机器学习/深度学习 数据采集 分布式计算
如何用Python处理大数据分析?
【6月更文挑战第14天】如何用Python处理大数据分析?
30 4