👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。
一、要求
根据这段代码，你可以设计以下课程要求：
课程设计要求：
1. 数据导入与处理：
- 要求学生能够使用 Pandas 库中的
read_excel()函数读取 Excel 文件，并进行数据框处理。 - 学生需要能够处理数据框中的缺失值，选择合适的方法进行处理（如果有的话）。
👇👇👇 关注公众号，回复 “职位数据分析” 获取源码👇👇👇
2. 数据可视化：
- 学生需要能够使用 Matplotlib 库绘制各种类型的图表，包括柱状图和堆叠柱状图。
- 学生需要能够添加图表的标题、坐标轴标签，并根据需要进行中文显示设置。
3. 数据分析与统计：
- 学生需要能够使用 Pandas 库进行数据的分组与聚合操作，例如
groupby()函数。 - 学生需要能够定义并应用自定义函数，例如
convert_work_years()函数对工作年限进行处理。
4. 时间序列数据处理：
- 学生需要能够处理时间序列数据，包括将字符串类型转换为日期时间类型，并提取出年份和月份等信息。
- 学生需要能够对时间序列数据进行聚合操作，并绘制出相应的时间序列图。
5. 多维数据分析：
- 学生需要能够处理包含多个维度的数据，例如根据地点和职位类别进行数据的分组与分析。
- 学生需要能够使用 Pandas 库中的字符串处理功能，例如
str.split()函数。
👇👇👇 关注公众号，回复 “职位数据分析” 获取源码👇👇👇
6. 结果验证与输出：
- 学生需要能够输出处理后的数据，以便进行结果的验证。
- 学生需要能够使用 Pandas 库中的基本函数对数据进行查看和检查，例如
head()函数。
数据展示
二、代码展示
import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 1. 读取数据 df = pd.read_excel("job_data.xlsx", engine='openpyxl') # 1. 国内不同地点的招聘人数总数 location_recruit_count = df.groupby('工作地点')['招聘人数'].sum() location_recruit_count.plot(kind='bar', xlabel='工作地点', ylabel='招聘人数总数', title='国内不同地点的招聘人数总数') plt.show() # 2 def convert_work_years(years_str): years_range = years_str.split('-') if len(years_range) == 2: return (int(years_range[0]) + int(years_range[1].replace('年', ''))) / 2 return None df['平均工作年限'] = df['工作年限'].apply(convert_work_years) avg_work_years = df.groupby('职位类别')['平均工作年限'].mean() avg_work_years.plot(kind='bar') plt.show() （剩余代码略。。。。）
👇👇👇 关注公众号，回复 “职位数据分析” 获取源码👇👇👇
三、数据分析
根据上述代码，我们可以得出以下几点分析：
- 国内不同地点的招聘人数总数：
- 通过柱状图可视化了不同地点的招聘人数总数，有助于比较各地点之间的招聘情况。从图表中可以看出哪些地点的招聘需求较高或较低。
- 不同职位类别的平均工作年限：
- 通过柱状图展示了不同职位类别的平均工作年限，有助于了解不同职位类别对工作经验的要求程度。
👇👇👇 关注公众号，回复 “职位数据分析” 获取源码👇👇👇
- 不同职位类别招聘人数的分布：
- 使用堆叠柱状图展示了不同职位类别招聘人数的分布情况，可从图表中看出不同职位类别的招聘人数占比情况。
- 招聘人数随时间的变化趋势：
- 通过时间序列图展示了招聘人数随时间的变化趋势，有助于了解招聘市场的季节性变化或长期趋势。
- 不同地点和职位类别的招聘情况：
- 使用堆叠柱状图展示了不同地点和职位类别的招聘情况，可以直观地比较各地点在不同职位类别上的招聘需求。
👇👇👇 关注公众号，回复 “职位数据分析” 获取源码👇👇👇
6. 不同职位类别对学历要求的分布：
- 通过堆叠柱状图展示了不同职位类别对学历要求的分布情况，有助于了解各个职位类别对学历的要求程度。
通过这些分析，可以帮助人力资源部门、招聘者或求职者更好地了解当前招聘市场的状况，以制定合适的招聘策略或求职策略。
👇👇👇 关注公众号，回复 “职位数据分析” 获取源码👇👇👇
