发给你一篇之前CSDN的文章，希望对你有所帮助。
哪种 Python 程序员最赚钱？![]() 本文以Python爬虫、数据分析、后端、数据挖掘、全栈开发、运维开发、高级开发工程师、大数据、机器学习、架构师这10个岗位，从拉勾网上爬取了相应的职位信息和任职要求，并通过数据分析可视化，直观地展示了这10个职位的平均薪资和学历、工作经验要求。
![]()
爬虫准备
1、先获取薪资和学历、工作经验要求
由于拉勾网数据加载是动态加载的，需要我们分析。分析方法如下：
![]()
F12分析页面数据存储位置我们发现网页内容是通过post请求得到的，返回数据是json格式，那我们直接拿到json数据即可。
我们只需要薪资和学历、工作经验还有单个招聘信息，返回json数据字典中对应的英文为：positionId,salary, education, workYear（positionId为单个招聘信息详情页面编号）。相关操作代码如下：
- def file_do(list_info): # 获取文件大小 file_size = os.path.getsize(r'G:\lagou_anv.csv') if file_size == 0: # 表头 name = ['ID','薪资', '学历要求', '工作经验'] # 建立DataFrame对象 file_test = pd.DataFrame(columns=name, data=list_info) # 数据写入 file_test.to_csv(r'G:\lagou_anv.csv', encoding='gbk', index=False) else: with open(r'G:\lagou_anv.csv', 'a+', newline='') as file_test: # 追加到文件后面 writer = csv.writer(file_test) # 写入文件 writer.writerows(list_info)
- # 1. post 请求 urlreq_url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'# 2.请求头 headersheaders = { 'Accept': 'application/json,text/javascript,*/*;q=0.01', 'Connection': 'keep-alive', 'Cookie': '你的Cookie值，必须加上去', 'Host': 'www.lagou.com', 'Referer': 'https://www.lagou.com/jobs/list_Python?labelWords=&fromSearch=true&suginput=', 'User-Agent': str(UserAgent().random),}def get_info(headers): # 3.for 循环请求（一共30页） for i in range(1, 31): # 翻页 data = { 'first': 'true', 'kd': 'Python爬虫', 'pn': i } # 3.1 requests 发送请求 req_result = requests.post(req_url, data=data, headers=headers) req_result.encoding = 'utf-8' print("第%d页："%i+str(req_result.status_code)) # 3.2 获取数据 req_info = req_result.json() # 定位到我们所需数据位置 req_info = req_info['content']['positionResult']['result'] print(len(req_info)) list_info = [] # 3.3 取出具体数据 for j in range(0, len(req_info)): salary = req_info[j]['salary'] education = req_info[j]['education'] workYear = req_info[j]['workYear'] positionId = req_info[j]['positionId'] list_one = [positionId,salary, education, workYear] list_info.append(list_one) print(list_info) # 存储文件 file_do(list_info) time.sleep(1.5)
![]()
2、根据获取到的`positionId`来访问招聘信息详细页面
- position_url = []def read_csv(): # 读取文件内容 with open(r'G:\lagou_anv.csv', 'r', newline='') as file_test: # 读文件 reader = csv.reader(file_test) i = 0 for row in reader: if i != 0 : # 根据positionID补全链接 url_single = "https://www.lagou.com/jobs/%s.html"%row[0] position_url.append(url_single) i = i + 1 print('一共有：'+str(i-1)+'个') print(position_url)
- 访问招聘信息详情页面，获取职位描述（岗位职责和岗位要求）并清理数据：
- def get_info(): for position_url in position_urls: work_duty = '' work_requirement = '' response00 = get_response(position_url,headers = headers) time.sleep(1) content = response00.xpath('//*[@id="job_detail"]/dd[2]/div/p/text()') # 数据清理 j = 0 for i in range(len(content)): content[i] = content[i].replace('\xa0',' ') if content[i][0].isdigit(): if j == 0: content[i] = content[i][2:].replace('、',' ') content[i] = re.sub('[；;.0-9。]','', content[i]) work_duty = work_duty+content[i]+ '/' j = j + 1 elif content[i][0] == '1' and not content[i][1].isdigit(): break else: content[i] = content[i][2:].replace('、', ' ') content[i] = re.sub('[、；;.0-9。]','',content[i]) work_duty = work_duty + content[i]+ '/' m = i # 岗位职责 write_file(work_duty) print(work_duty) # 数据清理 j = 0 for i in range(m,len(content)): content[i] = content[i].replace('\xa0',' ') if content[i][0].isdigit(): if j == 0: content[i] = content[i][2:].replace('、', ' ') content[i] = re.sub('[、；;.0-9。]', '', content[i]) work_requirement = work_requirement + content[i] + '/' j = j + 1 elif content[i][0] == '1' and not content[i][1].isdigit(): # 控制范围 break else: content[i] = content[i][2:].replace('、', ' ') content[i] = re.sub('[、；;.0-9。]', '', content[i]) work_requirement = work_requirement + content[i] + '/' # 岗位要求 write_file2(work_requirement) print(work_requirement) print("-----------------------------")
![]()
duty![]()
require3、四种图可视化数据+数据清理方式
- # 1.矩形树图可视化学历要求from pyecharts import TreeMapeducation_table = {}for x in education: education_table[x] = education.count(x)key = []values = []for k,v in education_table.items(): key.append(k) values.append(v)data = []for i in range(len(key)) : dict_01 = {"value": 40, "name": "我是A"} dict_01["value"] = values[i] dict_01["name"] = key[i] data.append(dict_01)tree_map = TreeMap("矩形树图", width=1200, height=600)tree_map.add("学历要求",data, is_label_show=True, label_pos='inside')
- # 2.玫瑰饼图可视化薪资import reimport math'''# 薪水分类parameter : str_01--字符串原格式:20k-30kreturned value : (a0+b0)/2 --- 解析后变成数字求中间值：25.0'''def assort_salary(str_01): reg_str01 = "(\d+)" res_01 = re.findall(reg_str01, str_01) if len(res_01) == 2: a0 = int(res_01[0]) b0 = int(res_01[1]) else : a0 = int(res_01[0]) b0 = int(res_01[0]) return (a0+b0)/2from pyecharts import Piesalary_table = {}for x in salary: salary_table[x] = salary.count(x)key = ['5k以下','5k-10k','10k-20k','20k-30k','30k-40k','40k以上']a0,b0,c0,d0,e0,f0=[0,0,0,0,0,0]for k,v in salary_table.items(): ave_salary = math.ceil(assort_salary(k)) print(ave_salary) if ave_salary < 5: a0 = a0 + v elif ave_salary in range(5,10): b0 = b0 +v elif ave_salary in range(10,20): c0 = c0 +v elif ave_salary in range(20,30): d0 = d0 +v elif ave_salary in range(30,40): e0 = e0 +v else : f0 = f0 + vvalues = [a0,b0,c0,d0,e0,f0]pie = Pie("薪资玫瑰图", title_pos='center', width=900)pie.add("salary",key,values,center=[40, 50],is_random=True,radius=[30, 75],rosetype="area",is_legend_show=False,is_label_show=True)
- # 3.工作经验要求柱状图可视化from pyecharts import BarworkYear_table = {}for x in workYear: workYear_table[x] = workYear.count(x)key = []values = []for k,v in workYear_table.items(): key.append(k) values.append(v)bar = Bar("柱状图")bar.add("workYear", key, values, is_stack=True,center= (40,60))
- import jiebafrom pyecharts import WordCloudimport pandas as pdimport re,numpystopwords_path = 'H:\PyCoding\Lagou_analysis\stopwords.txt'def read_txt(): with open("G:\lagou\Content\\ywkf_requirement.txt",encoding='gbk') as file: text = file.read() content = text # 去除所有评论里多余的字符 content = re.sub('[,，。. \r\n]', '', content) segment = jieba.lcut(content) words_df = pd.DataFrame({'segment': segment}) # quoting=3 表示stopwords.txt里的内容全部不引用 stopwords = pd.read_csv(stopwords_path, index_col=False,quoting=3, sep="\t", names=['stopword'], encoding='utf-8') words_df = words_df[~words_df.segment.isin(stopwords.stopword)] words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数": numpy.size}) words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False) test = words_stat.head(200).values codes = [test[i][0] for i in range(0, len(test))] counts = [test[i][1] for i in range(0, len(test))] wordcloud = WordCloud(width=1300, height=620) wordcloud.add("必须技能", codes, counts, word_size_range=[20, 100]) wordcloud.render("H:\PyCoding\Lagou_analysis\cloud_pit\ywkf_bxjn.html")
![]()
Python爬虫岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
爬虫技能关键词解析：
- 学历：本科
- 工作月薪：10k-30k
- 工作经验：1-5年
- 技能：分布式、多线程、框架、Scrapy、算法、数据结构、数据库
综合：爬虫这个岗位在学历要求上比较放松，大多数为本科即可，比较适合想转业的老哥小姐姐，学起来也不会特别难。而且薪资待遇上也还算比较优厚，基本在10k以上。不过唯一对工作经验要求还是比较高的，有近一半的企业要求工作经验要达到3年以上。
![]()
Python数据分析岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
数据分析技能关键词解析：
- 学历：本科（硕士比例有所增高）
- 工作月薪：10k-30k
- 工作经验：1-5年
- 技能：SAS、SPSS、Hadoop、Hive、数据库、Excel、统计学、算法
综合：数据分析这个岗位在学历要求上比爬虫要求稍微高一些，硕士比例有所提升，专业知识上有一定要求。薪资待遇上也还算比较优厚，基本在10k以上，同时薪资在30k-40k的比例也有所上升。对工作经验要求还是比较高，大部分的企业要求工作经验要达到3年以上。
![]()
Python后端岗位
学历要求
工作月薪
工作经验要求
后端技能
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
后端技能关键词解析：
- 学历：本科
- 工作月薪：10k-30k
- 工作经验：3-5年
- 技能：Flask、Django、Tornado、Linux、MySql、Redis、MongoDB、TCP/IP、数学（哈哈）
综合：web后端这个岗位对学历要求不高，但专业知识上有很大要求，得会Linux操作系统基本操作、三大主流数据库的使用、以及三大基本web框架的使用等计算机相关知识，总体来说难道还是比较大。薪资待遇上也比较优厚，基本在10k以上，同时薪资在30k-40k的比例也有近20%。对工作经验要求还是比较高，大部分的企业要求工作经验要达到3年以上。
![]()
Python数据挖掘岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
数据挖掘技能关键词解析：
- 学历：本科(硕士)
- 工作月薪：20k-40k
- 工作经验：3-5年
- 技能：学历(hhh)、Hadoop、Spark、MapReduce、Scala、Hive、聚类、决策树、GBDT、算法
综合：数据挖掘这个岗位，在学历要求是最高的，虽然还是本科居多，但硕士比例明显增加，还有公司要求博士学历。在专业知识上也有很大要求，得会Linux操作系统基本操作、大数据框架Hadoop、Spark以及数据仓库Hive的使用等计算机相关知识，总体来说难道还是比较大。薪资待遇上特别优厚，基本在20k以上，薪资在30k-40k的比例也有近40%，对工作经验要求还是比较高，大部分的企业要求工作经验要达到3年以上。
![]()
Python全栈开发岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
全栈开发技能关键词解析：
- 学历：本科
- 工作月薪：10k-30k
- 工作经验：3-5年
- 技能：测试、运维、管理、开发、数据结构、算法、接口、虚拟化、前端
综合：全栈开发这个岗位什么都要懂些，什么都要学些，在学历要求上并不太高，本科学历即可，在专业知识上就不用说了，各个方面都得懂，还得理解运用。薪资待遇上也还可以，基本在10k以上，薪资在30k-40k的比例也有近20%。对工作经验要求还是比较高，大部分的企业要求工作经验要达到3年以上。总体来说，就我个人而言会觉得全栈是个吃力多薪水少的岗位。
![]()
Python运维开发岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
运维开发技能关键词解析：
- 学历：本科
- 工作月薪：10k-30k
- 工作经验：3-5年
- 技能：SVN、Git、Linux、框架、shell编程、mysql，redis，ansible、前端框架
综合：运维开发这个岗位在学历要求上不高，除开占一大半的本科，就是专科了。工作经验上还是有一些要求，大多数要求有3-5年工作经验。从工资上看的话，不高也不低，20k以上也占有62%左右。要学习的东西也比较多，前端、后端、数据库、操作系统等等。
![]()
Python高级开发工程师岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
高级开发工程师技能关键词解析：
- 学历：本科
- 工作月薪：20k左右
- 工作经验：3-5年
- 技能：WEB后端、MySQL、MongoDB、Redis、Linux系统（CentOS）、CI/CD 工具、GitHub
综合：高级开发工程师这个岗位在学历要求上与运维开发差不多，薪资也相差不大，22%以上的企业开出了30k以上的薪资，65%左右企业给出20k以上的薪资。当然，对工作经验上还是要求较高，有近一半的企业要求工作经验要达到3年以上。
![]()
Python大数据岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
大数据技能关键词解析：
- 学历：本科（硕士也占比很大）
- 工作月薪：30k以上
- 工作经验：3-5年
- 技能：前端开发、 MySQL、Mongo、Redis、Git 、Flask、Celery、Hadoop/HBase/Spark/Hive、Nginx
综合：现在是大数据时代，大数据这个岗位也是相当火热，在学历要求上几乎与运维开发一模一样。当然，可能数据上出现了巧合，本科居多，工作经验上1-5年占据一大半，薪资上也基本上在20k以上，该岗位薪资在20k以上的企业占了55%左右。
![]()
Python机器学习岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
机器学习技能关键词解析：
- 学历：本科（硕士也占比很大）
- 工作月薪：30k以上
- 工作经验：3-5年
- 技能：Machine Learning，Data Mining，Algorithm 研发，算法，Linux，决策树，TF，Spark+MLlib，Cafe
综合：机器学习这个岗位在学历要求上比较严格，虽然看起来是本科居多，但对于刚毕业或毕业不久的同学，如果只是个本科，应聘还是很有难度的。当然机器学习岗位薪资特高，60%在30k以上，近90%在20k以上，97%在10k以上。除开对学历要求比较高外，对工作经验要求也比较高，有近一半的企业要求工作经验要达到3年以上。
![]()
Python架构师岗位
![]()
学历要求![]()
工作月薪![]()
工作经验要求![]()
架构师技能关键词解析：
- 学历：本科
- 工作月薪：30k以上
- 工作经验：5-10年
- 技能：Flask，Django，MySQL，Redis，MongoDB，Hadoop，Hive，Spark，ElasticSearch，Pandas，Spark/MR，Kafka/rabitmq
综合：架构师这个岗位单从学历上看不出什么来，但在薪资上几乎与机器学习一样，甚至比机器学习还要高，机器学习中月薪40k以上的占23.56%，架构师中月薪40k以上的占30.67%。在学历要求上比机器学习要略低，本科居多，但在工作经验上一半以上的企业要求工作经验在5-10年。在必要技能上也要求特别严格，比之前说过的全栈开发师有过之而无不及。
看着这月薪，我是超级想去了，你呢？
![]()
写在最后
从上文可以看出，Python相关的各个岗位薪资还是不错的，基本上所有岗位在10k以上的占90%，20k以上的也基本都能占60%左右。而且学历上普遍来看，本科学历占70%以上。唯一的是需要工作经验，一般得有个3-5年工作经验，也就是如果24岁本科毕业，27岁就有很大机会拿到月薪20k以上。有没有很心动？
整个系列下来，词云分析虽不完全正确，但大家不难发现，有两个词在每个岗位要求的词云图中都有出现，那就是——经验和熟悉。的确，不论我们做什么，都必须认认真真的去做、去学，在不断的实践中积累经验。
到这里，本系列就结束了，本系列一共爬取了拉钩网10个不同Python相关岗位，每个岗位450条招聘信息，共计4500条。爬取拉钩网其实是个挺简单的事情，只要知道了怎么去分析页面加载即可，获取到数据也不过就是直接返回的json数据，或者正则匹配。我觉得比较有趣也是比较难的是数据清理和可视化分析。后面我会继续学习，也希望大家一起学习，多多交流。作者：XksA，大三在读的师范技术生，主要学习Python web、数据分析、可视化方面，个人公众号 极简XksA 长期分享学习笔记，学习资料，欢迎交流学习。
声明：本文为作者投稿，版权归对方所有。 |
转播
