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
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
60 4
|
13天前
|
数据采集 缓存 定位技术
网络延迟对Python爬虫速度的影响分析
网络延迟对Python爬虫速度的影响分析
|
1月前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
15天前
|
数据采集 存储 JSON
Python爬虫开发中的分析与方案制定
Python爬虫开发中的分析与方案制定
|
22天前
|
数据可视化 开发者 Python
Python GUI开发:Tkinter与PyQt的实战应用与对比分析
【10月更文挑战第26天】本文介绍了Python中两种常用的GUI工具包——Tkinter和PyQt。Tkinter内置于Python标准库,适合初学者快速上手,提供基本的GUI组件和方法。PyQt基于Qt库,功能强大且灵活,适用于创建复杂的GUI应用程序。通过实战示例和对比分析,帮助开发者选择合适的工具包以满足项目需求。
73 7
|
1月前
|
数据可视化 算法 Python
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
本文介绍了如何利用Python脚本结合动态模态分解(DMD)技术,分析从OpenFOAM模拟中提取的二维切片数据,以深入理解流体动力学现象。通过PyVista库处理VTK格式的模拟数据,进行POD和DMD分析,揭示流场中的主要能量结构及动态特征。此方法为研究复杂流动系统提供了有力工具。
75 2
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
|
22天前
|
存储 数据处理 Python
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第27天】在科学计算和数据分析领域,Python凭借简洁的语法和强大的库支持广受欢迎。NumPy和SciPy作为Python科学计算的两大基石,提供了高效的数据处理和分析工具。NumPy的核心功能是N维数组对象(ndarray),支持高效的大型数据集操作;SciPy则在此基础上提供了线性代数、信号处理、优化和统计分析等多种科学计算工具。结合使用NumPy和SciPy,可以显著提升数据处理和分析的效率,使Python成为科学计算和数据分析的首选语言。
29 3
|
23天前
|
存储 机器学习/深度学习 算法
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第26天】NumPy和SciPy是Python科学计算领域的两大核心库。NumPy提供高效的多维数组对象和丰富的数学函数,而SciPy则在此基础上提供了更多高级的科学计算功能,如数值积分、优化和统计等。两者结合使Python在科学计算中具有极高的效率和广泛的应用。
39 2
|
27天前
|
数据采集 机器学习/深度学习 搜索推荐
Python自动化:关键词密度分析与搜索引擎优化
Python自动化:关键词密度分析与搜索引擎优化
|
29天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
57 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
下一篇
无影云桌面