拉勾和boss直聘关于机器学习岗位的简单分析

In [38]: import pandas as pd from pyplotz.pyplotz import PyplotZ from pyplotz.pyplotz import plt import numpy as np import seaborn as sns In [39]: %matplotlib inline In [40]: pltz = PyplotZ() pltz.enable_chinese()

拉勾网数据分析¶

在拉勾求职网，以 机器学习 关键字，分别对北京，上海，广州，深圳，杭州五个城市进行搜索，得到的数据如下，现在做个简单分析。

In [41]: train = pd.read_csv('./lagou/all.csv') In [42]: train.head() Out[42]:

	businessZones	city	companyFullName	companyId	companyLabelList	companyLogo	companyShortName	companySize	createTime	deliver	...	promotionScoreExplain	publisherId	resumeProcessDay	resumeProcessRate	salary	score	secondType	stationname	subwayline	workYear
0	西直门,动物园,官园	北京	北京沃丰时代数据科技有限公司	25439	股票期权,高成长,云服务,高并发	i/image/M00/5A/F5/CgpFT1mNZfWAXLGYAAAM0qJze1U9...	Udesk－企业级智能客服平台	150-500人	2018-06-22 09:40:29	0	...	NaN	2674637	1	100	30k-50k	0	数据开发	车公庄西	2号线	3-5年
1	团结湖,三里屯,工体	北京	北京瓴岳信息技术有限公司	110502	14薪,弹性工作,零食水果,午餐晚餐	i/image/M00/8A/D7/Cgp3O1h3K6OAKU4FAACWYn0eTvU4...	洋钱罐	150-500人	2018-06-21 10:32:16	0	...	NaN	6722010	1	87	15k-30k	0	数据开发	团结湖	10号线	1-3年
2	NaN	北京	北京飞拓互联科技有限公司	21732	绩效奖金,岗位晋升,股票期权,扁平管理	i/image2/M00/2E/FE/CgotOVo4jPCAY3gDAAAOOITNEpw...	FitTime睿健时代	150-500人	2018-06-22 13:17:47	0	...	NaN	248588	0	0	30k-50k	0	数据开发	望京东	15号线	3-5年
3	NaN	北京	北京京东世纪贸易有限公司	18139	五险一金,带薪年假,免费班车,定期体检	i/image2/M00/13/95/CgotOVnwNqeAFbmnAABaH5Q_vVE...	京东集团	2000人以上	2018-06-20 09:47:02	0	...	NaN	8643437	1	84	30k-60k	0	数据开发	NaN	NaN	3-5年
4	望京,来广营	北京	北京数美时代科技有限公司	82991	年底双薪,大数据,带薪年假,通讯津贴	i/image/M00/76/C2/CgqKkVg2fVCASEreAABS01Upo_A2...	数美	150-500人	2018-06-22 14:45:02	0	...	NaN	2117266	1	100	25k-50k	0	数据开发	来广营	14号线东段	1-3年

5 rows × 43 columns

In [43]: train.describe() Out[43]:

	companyId	deliver	explain	gradeDescription	isSchoolJob	lastLogin	latitude	longitude	pcShow	plus	positionId	promotionScoreExplain	publisherId	resumeProcessDay	resumeProcessRate	score
count	708.000000	708.0	0.0	0.0	708.000000	7.080000e+02	699.000000	699.000000	708.0	0.0	7.080000e+02	0.0	7.080000e+02	708.000000	708.000000	708.0
mean	90401.190678	0.0	NaN	NaN	0.087571	1.529481e+12	32.676793	106.300014	0.0	NaN	4.109046e+06	NaN	5.169087e+06	0.823446	41.016949	0.0
std	98254.746476	0.0	NaN	NaN	0.282869	1.353363e+09	14.779712	33.127943	0.0	NaN	5.797704e+05	NaN	3.432063e+06	0.789724	42.285515	0.0
min	38.000000	0.0	NaN	NaN	0.000000	1.498810e+12	0.000000	0.000000	0.0	NaN	9.294060e+05	NaN	2.081000e+03	0.000000	0.000000	0.0
25%	7004.250000	0.0	NaN	NaN	0.000000	1.529638e+12	30.183515	114.033168	0.0	NaN	3.846509e+06	NaN	1.979568e+06	0.000000	0.000000	0.0
50%	50702.000000	0.0	NaN	NaN	0.000000	1.529657e+12	39.904592	116.344462	0.0	NaN	4.256552e+06	NaN	5.726660e+06	1.000000	20.500000	0.0
75%	144037.000000	0.0	NaN	NaN	0.000000	1.529669e+12	39.994260	116.522870	0.0	NaN	4.567062e+06	NaN	8.264044e+06	1.000000	94.250000	0.0
max	401537.000000	0.0	NaN	NaN	1.000000	1.529690e+12	116.331398	121.993410	0.0	NaN	4.760709e+06	NaN	1.108768e+07	8.000000	100.000000	0.0

如上信息，共计有708个招聘职位，每个职位有43个属性，其中有缺失值。下面对其中比较重要的信息进行可视化分析。

不同城市的职位数目¶

In [44]: job_num = train['city'].value_counts() In [45]: job_num Out[45]:

北京    394
上海    125
深圳    103
杭州     65
广州     21
Name: city, dtype: int64

In [46]: job_num.plot.bar() Out[46]:

<matplotlib.axes._subplots.AxesSubplot at 0x1a16eb5ba8>

对照上图，可以看到五个城市的职位数目区别，其中北京比其他四个城市的机器学习岗位加起来都多，如果想从事机器学习方面的工作，那么北京的机会会更多，同时能学到的东西也会更多。

学历要求¶

In [47]: education = train['education'].value_counts() In [48]: education Out[48]:

本科    455
硕士    219
不限     20
博士      9
大专      5
Name: education, dtype: int64

In [49]: education.plot.bar() Out[49]:

<matplotlib.axes._subplots.AxesSubplot at 0x1a150d6748>

如上，大部分要求的还是本科生，比其他学历加起来的总和还要多，说明本科也可以从事机器学习工作，取决于自身的知识和努力，当然，读个研究生最好。毕竟本科生毕业后直接从事机器学习的人不多，有大部分是转行的，因此也需要在工作中付出更多的努力。

In [13]: train.groupby(['city','education']).size() Out[13]:

city  education
上海    不限             3
      博士             2
      大专             3
      本科            74
      硕士            43
北京    不限            10
      博士             3
      本科           269
      硕士           112
广州    本科            12
      硕士             9
杭州    不限             5
      博士             2
      本科            39
      硕士            19
深圳    不限             2
      博士             2
      大专             2
      本科            61
      硕士            36
dtype: int64

In [60]: # 不同城市对学历的要求 g = sns.FacetGrid(train, col='city', size=4, aspect=1) g.map(plt.hist, 'education') Out[60]:

<seaborn.axisgrid.FacetGrid at 0x1a1e5dcda0>

工作经验的要求¶

In [61]: work_year = train['workYear'].value_counts() In [62]: work_year.plot.bar() Out[62]:

<matplotlib.axes._subplots.AxesSubplot at 0x1a1e9d46d8>

工作3-5年的人，有比较丰富的经验，确实是各公司青睐的工作人员。其中1年以下， 10年以上机会没有，侧面说明不呆满一年跳槽也比较难找工作，10年以上也基本没有合适的岗位。

In [75]: train.groupby(['city','workYear']).size() Out[75]:

city  workYear
上海    1-3年         28
      3-5年         56
      5-10年        11
      不限           22
      应届毕业生         8
北京    1-3年        105
      10年以上         1
      1年以下          2
      3-5年        153
      5-10年        35
      不限           66
      应届毕业生        32
广州    1-3年          8
      3-5年          8
      5-10年         1
      不限            3
      应届毕业生         1
杭州    1-3年         14
      1年以下          1
      3-5年         18
      5-10年         4
      不限           24
      应届毕业生         4
深圳    1-3年         36
      1年以下          1
      3-5年         43
      5-10年         5
      不限           15
      应届毕业生         3
dtype: int64

薪资水平及各因素的影响¶

In [80]: salary = train['salary'].value_counts()

因为薪水范围太多，所以这里做个简单处理，只取最低薪资

In [92]: train['salary_simple'] = [i[:2] for i in train['salary']] In [93]: # 简单进行四舍五入 salary_simple = [] for s in train['salary_simple']: if 'k' in s or 'K' in s: salary_simple.append(0) else: salary_simple.append(round(int(s))) # train.loc[index, 'city'] # train['salary_simple'] = salary_simple In [96]: for i, value in enumerate(salary_simple): if value < 10: salary_simple[i] = 0 elif 10 <= value < 20: salary_simple[i] = 15 elif 20 <= value < 30: salary_simple[i] = 25 elif 30 <= value < 40: salary_simple[i] = 35 else: salary_simple[i] = 45 In [98]: train['salary_simple'] = salary_simple In [99]: salary_simple = train['salary_simple'].value_counts() In [100]: salary_simple Out[100]:

25    301
15    220
35    113
0      48
45     26
Name: salary_simple, dtype: int64

不同的城市与薪资的关系

In [102]: # 不同城市对学历的要求 g = sns.FacetGrid(train, col='city', size=4, aspect=1) g.map(plt.hist, 'salary_simple') Out[102]:

<seaborn.axisgrid.FacetGrid at 0x1a2063fac8>

公司情况¶

In [103]: companyFullName = train['companyShortName'].value_counts() In [104]: companyFullName Out[104]:

美团点评               31
百度                 28
蚂蚁金服集团             18
新浪微博               18
腾讯                 17
数美                 15
滴滴出行               11
京东集团               10
Gridsum 国双          9
小米                  9
同盾科技                9
好大夫在线               7
GFT                 6
云脑科技                6
晶泰科技                6
永洪科技                5
顺丰科技有限公司            5
快手                  5
洋钱罐                 5
普林科技                5
Udesk－企业级智能客服平台     5
七牛云                 5
叽里呱啦                4
云之梦科技               4
Trusfort芯盾时代        4
马上金融                4
人人车                 4
创新工场AI工程院           4
追一科技                4
丁香园                 4
                   ..
顺网科技                1
脉景                  1
八分量                 1
乐逗游戏                1
安恒信息                1
大唐移动                1
皇包车                 1
中兴软创                1
嘉华丽康                1
小象科技                1
Face++              1
掌众集团                1
杭州默安科技有限公司          1
考拉阅读                1
挖财                  1
GrowingIO           1
嘉德                  1
OMAHA 开放医疗与健康联盟     1
摩若普利                1
涂鸦智能                1
上元教育集团              1
INK 银客集团            1
软件系统开发 测试平台运维服务     1
阿拉丁                 1
达内集团                1
群友科技                1
真格基金                1
梅卡曼德                1
弘金地体育               1
虎博科技                1
Name: companyShortName, Length: 316, dtype: int64

In [105]: companySize = train['companySize'].value_counts() In [106]: companySize Out[106]:

2000人以上      243
500-2000人    134
150-500人     134
50-150人      113
15-50人        72
少于15人         12
Name: companySize, dtype: int64

In [107]: financeStage = train['financeStage'].value_counts() In [108]: financeStage Out[108]:

上市公司     130
不需要融资    124
B轮       116
D轮及以上    103
A轮        94
C轮        70
天使轮       41
未融资       30
Name: financeStage, dtype: int64

职位情况¶

In [111]: positionName = train['positionName'].value_counts() positionName.head(10) Out[111]:

机器学习工程师        83
机器学习算法工程师      63
机器学习           21
高级机器学习工程师      10
高级机器学习算法工程师     7
机器学习研究员         7
机器学习专家          6
机器学习研发工程师       6
机器学习实习生         6
机器学习平台开发工程师     6
Name: positionName, dtype: int64

In [113]: secondType = train['secondType'].value_counts() secondType.head(10) Out[113]:

数据开发         585
后端开发          70
软件开发          21
风控             5
[后端开发]         4
产品设计/需求分析      4
证券/期货          4
高端技术职位         3
前端开发/移动开发      3
数据分析           2
Name: secondType, dtype: int64

在机器学习方面的应用¶

In [124]: labels = [] for label in train['industryLables']: if type(label) == str: labels.extend(label.split(',')) pd.Series(labels).value_counts().head(20) Out[124]:

算法        100
数据挖掘       95
深度学习       73
金融         68
广告营销       62
大数据        59
人工智能       31
数据分析       27
医疗健康       26
Java       18
云计算        18
NLP        15
视频         15
python     15
自然语言处理     13
高级         13
模式识别       11
推荐         10
征信          9
信息安全        9
dtype: int64

boss直聘数据分析¶

In [190]: train = pd.read_csv('./boss/all.csv') In [191]: train # 共计1425条数据，其中有一部分不相关的工作 Out[191]:

	company	education	experience	location	position	salary
0	高德地图	本科	3-5年	北京	Android	20k-35k
1	优信集团	本科	1-3年	北京	数据分析师	10k-12k
2	腾讯	硕士	1-3年	北京	微信推荐机器学习算法工程师	18k-36k
3	百度在线	本科	5-10年	北京	Java工程师	15k-30k
4	KuickDeal	本科	5-10年	北京	高级Java开发工程师	16k-24k
5	医渡云	硕士	不限	北京	数据挖掘实习生	4k-5k
6	百度	本科	不限	北京	高级算法工程师	20k-40k
7	蚂蚁金服	本科	3-5年	北京	高级算法工程师/专家 上海、杭州、北京	15k-30k
8	赋华同创	本科	3-5年	北京	人脸识别\\目标识别算法工程师	25k-50k
9	汉云信通技术	本科	3-5年	北京	自然语言处理	17k-25k
10	搜狗	硕士	3-5年	北京	购物搜索-搜索排序研究员-北京-04013	25k-50k
11	软通动力	大专	1-3年	北京	高级java开发工程师	13k-16k
12	知乎	本科	应届生	北京	算法实习生	5k-6k
13	中科院自动化所	硕士	不限	北京	数据解析与深度学习工程师-海外专场	8k-10k
14	hydsoft	本科	1-3年	北京	AI项目前端开发工程师	10k-18k
15	万物超体	硕士	应届生	北京	人工智能实习生	3k-4k
16	赋华同创	本科	3-5年	北京	语音识别算法工程师	20k-40k
17	车晓科技	本科	3-5年	北京	数据建模算法工程师	13k-23k
18	万物超体	硕士	应届生	北京	Python 数据工程师 实习	3k-4k
19	DataVisor	硕士	3-5年	北京	数据模型工程师	23k-45k
20	精准沟通传媒	本科	1-3年	北京	大数据开发	8k-16k
21	北京国翼天德	本科	3-5年	北京	图像算法工程师	20k-40k
22	芒果电单车	硕士	1-3年	北京	图像算法工程师	15k-25k
23	VIPKID	本科	不限	北京	机器学习工程师	20k-40k
24	北京联达动力股份公司	本科	3-5年	北京	深度学习～医疗图像筛查ai应用研发工程师	20k-40k
25	玖富	本科	3-5年	北京	机器学习算法工程师	25k-45k
26	小红书	本科	3-5年	北京	高级算法工程师	30k-50k
27	慧博融信	本科	3-5年	北京	AI前端开发工程师	12k-20k
28	芯智引擎	本科	不限	北京	nlp实习生	15k-30k
29	滴滴出行	本科	3-5年	北京	数据运营分析专家	20k-40k
...	...	...	...	...	...	...
1395	阿里巴巴集团	本科	3-5年	杭州	美术设计师（2D/3D）	15k-30k
1396	Tiki	不限	不限	杭州	3D与视觉算法工程师	15k-30k
1397	垒亿资管	硕士	应届生	杭州	数量金融工程师	9k-17k
1398	盈盈理财	硕士	5-10年	杭州	算法专家	25k-40k
1399	盈盈理财	硕士	3-5年	杭州	自然语言处理	15k-25k
1400	盈盈理财	本科	3-5年	杭州	数据挖掘	15k-30k
1401	阿里巴巴集团	硕士	不限	杭州	算法专家	15k-30k
1402	阿里巴巴集团	本科	3-5年	杭州	P7 C++技术专家	15k-30k
1403	菜鸟网络	本科	应届生	杭州	19届校招内推（数据）	5k-6k
1404	蚂蚁金服	本科	3-5年	杭州	高级java开发工程师	20k-40k
1405	阿里巴巴集团	本科	3-5年	杭州	算法工程师	20k-40k
1406	杭州数空科技有限公司	本科	不限	杭州	算法工程师	10k-20k
1407	蚂蚁金服	本科	1-3年	杭州	JAVA 高级开发工程师	20k-30k
1408	麦歌算法	硕士	1-3年	杭州	算法研究员	20k-30k
1409	杭州明霖	本科	3-5年	杭州	高级数据挖掘工程师	20k-40k
1410	歌特网络科技	硕士	5-10年	杭州	数据科学家	50k-51k
1411	阿里巴巴集团	本科	3-5年	杭州	Java技术专家	20k-30k
1412	阿里巴巴集团	本科	1年以内	杭州	高级java研发工程师	20k-21k
1413	菜鸟网络	本科	1-3年	杭州	机器学习	20k-40k
1414	天壤智能	本科	1-3年	杭州	人工智能研发工程师	15k-30k
1415	蚂蚁金服	本科	3-5年	杭州	高级测试开发工程师 / 测试专家	20k-40k
1416	盈盈理财	本科	3-5年	杭州	数据挖掘	15k-25k
1417	酷家乐	本科	不限	杭州	Java工程师（渲染方向）	15k-30k
1418	析牛科技	本科	3-5年	杭州	量化投资策略研发	20k-40k
1419	天猫	本科	3-5年	杭州	web前端工程师	20k-40k
1420	东经科技	本科	1-3年	杭州	Java开发工程师	7k-14k
1421	杭州数澜科技有限公司	本科	不限	杭州	大数据平台研发工程师	15k-25k
1422	酷家乐	本科	1-3年	杭州	智能算法工程师	25k-40k
1423	酷家乐	本科	1-3年	杭州	机器学习算法工程师	18k-35k
1424	歌特网络科技	本科	3-5年	杭州	算法工程师	35k-70k

1425 rows × 6 columns

因为数据属性不多，还是按照上述的方式简单统计一下

boss直聘的搜索范围比较广，以机器学习为关键字，会搜索到一些相关的职位。下面简单做下统计：

In [192]: key = ['机器','学习','算法'] #留下包含这3个词的职位 In [194]: # 删除包含某些指定字符的行 train = train[train['position'].str.contains('算法|学习|机器',regex=True)] train Out[194]:

	company	education	experience	location	position	salary
2	腾讯	硕士	1-3年	北京	微信推荐机器学习算法工程师	18k-36k
6	百度	本科	不限	北京	高级算法工程师	20k-40k
7	蚂蚁金服	本科	3-5年	北京	高级算法工程师/专家 上海、杭州、北京	15k-30k
8	赋华同创	本科	3-5年	北京	人脸识别\\目标识别算法工程师	25k-50k
12	知乎	本科	应届生	北京	算法实习生	5k-6k
13	中科院自动化所	硕士	不限	北京	数据解析与深度学习工程师-海外专场	8k-10k
16	赋华同创	本科	3-5年	北京	语音识别算法工程师	20k-40k
17	车晓科技	本科	3-5年	北京	数据建模算法工程师	13k-23k
21	北京国翼天德	本科	3-5年	北京	图像算法工程师	20k-40k
22	芒果电单车	硕士	1-3年	北京	图像算法工程师	15k-25k
23	VIPKID	本科	不限	北京	机器学习工程师	20k-40k
24	北京联达动力股份公司	本科	3-5年	北京	深度学习～医疗图像筛查ai应用研发工程师	20k-40k
25	玖富	本科	3-5年	北京	机器学习算法工程师	25k-45k
26	小红书	本科	3-5年	北京	高级算法工程师	30k-50k
30	金数信息科技	本科	3-5年	北京	推荐算法工程师（北京）	20k-40k
35	中国软件	本科	3-5年	北京	python大数据平台/机器学习算法系统架构师	20k-30k
38	阅文集团	本科	3-5年	北京	算法/业务研发工程师	25k-50k
39	同程艺龙	硕士	应届生	北京	算法工程师	10k-20k
43	爱语吧	硕士	1-3年	北京	机器学习	15k-20k
46	滴滴出行	本科	3-5年	北京	算法工程师（生态方向） (J171124015)	20k-40k
52	DataVisor	硕士	3-5年	北京	数据挖掘算法工程师	28k-43k
55	趣店	本科	3-5年	北京	风控高级算法工程师	30k-60k
56	趣店	本科	3-5年	北京	高级算法策略工程师/算法策略架构师	30k-60k
57	武汉佰钧成	大专	3-5年	北京	算法工程师	15k-25k
58	今日头条	本科	不限	北京	算法实习生 - 核心广告系统	4k-8k
59	杉数科技	硕士	不限	北京	算法工程师（运筹优化或机器学习方向）	15k-30k
60	百度	本科	1年以内	北京	推荐算法工程师	15k-30k
62	微店	硕士	1-3年	北京	风控算法工程师	25k-50k
63	百度	本科	3-5年	北京	机器学习算法高级工程师	30k-60k
73	小觅智能	不限	1-3年	北京	FPGA图像算法	18k-36k
...	...	...	...	...	...	...
1345	天猫	本科	3-5年	杭州	智能算法工程师	20k-40k
1346	天猫	本科	3-5年	杭州	图像算法工程师	20k-40k
1347	51信用卡管家	本科	1-3年	杭州	深度学习	25k-50k
1350	翼米网络	本科	1年以内	杭州	风控算法工程师	3k-6k
1351	翼米网络	本科	1年以内	杭州	算法工程师	3k-6k
1356	安脉盛	本科	不限	杭州	自然语言处理算法工程师	15k-25k
1357	安脉盛	本科	不限	杭州	人工智能算法工程师	15k-25k
1358	杭州蒲公英数据科技	大专	1-3年	杭州	风控建模（机器学习方向）	13k-25k
1363	华云科技	本科	1-3年	杭州	数据挖掘算法工程师	8k-16k
1365	阿里集团	本科	1-3年	杭州	推荐算法	30k-60k
1366	网易游戏	硕士	3-5年	杭州	资深计算机视觉算法工程师	25k-35k
1367	会友科技	硕士	3-5年	杭州	图像算法	20k-30k
1368	橙鹰	硕士	3-5年	杭州	NLP算法专家	25k-50k
1373	酷家乐	本科	3-5年	杭州	智能算法工程师	25k-40k
1376	数美	硕士	不限	杭州	机器学习（实习/校招）	4k-6k
1377	数为科技	硕士	3-5年	杭州	图像算法	25k-40k
1385	网易	硕士	不限	杭州	高级/资深广告算法工程师	20k-35k
1386	51信用卡管家	本科	1-3年	杭州	算法工程师	15k-30k
1391	桃树科技	硕士	1-3年	杭州	资深算法工程师（杭州）	20k-40k
1393	结构洞	硕士	不限	杭州	AI 算法师	15k-25k
1396	Tiki	不限	不限	杭州	3D与视觉算法工程师	15k-30k
1398	盈盈理财	硕士	5-10年	杭州	算法专家	25k-40k
1401	阿里巴巴集团	硕士	不限	杭州	算法专家	15k-30k
1405	阿里巴巴集团	本科	3-5年	杭州	算法工程师	20k-40k
1406	杭州数空科技有限公司	本科	不限	杭州	算法工程师	10k-20k
1408	麦歌算法	硕士	1-3年	杭州	算法研究员	20k-30k
1413	菜鸟网络	本科	1-3年	杭州	机器学习	20k-40k
1422	酷家乐	本科	1-3年	杭州	智能算法工程师	25k-40k
1423	酷家乐	本科	1-3年	杭州	机器学习算法工程师	18k-35k
1424	歌特网络科技	本科	3-5年	杭州	算法工程师	35k-70k

554 rows × 6 columns

去掉三分之二数据之后，剩下的基本上是机器学习相关的工作了。

哪些公司在招聘¶

In [195]: company = train['company'].value_counts() In [197]: company.head(20) Out[197]:

腾讯            23
华为            11
阿里巴巴集团        11
滴滴出行          11
华为技术有限公司      11
网易            10
百度             8
爱奇艺            7
PonyAI小马智行     6
京东集团           5
至真信息           5
LinkDoc        5
欢聚时代           5
图普科技           5
视源股份(CVTE)     4
虎彩             4
蚂蚁金服           4
瑞思咨询           4
北风网            4
暄暄科技           4
Name: company, dtype: int64

学历要求¶

In [198]: education = train['education'].value_counts() education Out[198]:

本科    312
硕士    196
博士     18
不限     18
大专     10
Name: education, dtype: int64

工作经验¶

In [199]: experience = train['experience'].value_counts() experience Out[199]:

3-5年     214
1-3年     167
不限        97
5-10年     48
应届生       14
1年以内      11
10年以上      3
Name: experience, dtype: int64

城市情况¶

In [202]: location = train['location'].value_counts() location Out[202]:

广州    144
北京    114
杭州    111
上海     99
深圳     86
Name: location, dtype: int64

薪水情况¶

这里计算最低值加上间隔的四分之一，大部分拿到offer的应该在这附近。

In [210]: salary_s = [] for salary in train['salary']: l = salary.split('-') first = int(l[0][:-1]) second = int(l[1][:-1]) salary_s.append(round(first + (second - first) / 4)) train['salary_simple'] = salary_s

/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:7: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  import sys

In [235]: salary = train['salary_simple'].value_counts() salary.head(10) Out[235]:

25    90
19    62
31    43
38    39
18    37
22    31
12    28
29    22
24    20
16    19
Name: salary_simple, dtype: int64

去掉大于50k的值

In [236]: train = train[train['salary_simple'] < 50]

薪水与其他属性的关系¶

In [238]: # 地区 train[['location', 'salary_simple']].groupby(['location'], as_index=False).mean().sort_values(by='salary_simple', ascending=False) Out[238]:

	location	salary_simple
1	北京	25.509259
4	深圳	24.617284
0	上海	23.408163
2	广州	22.292857
3	杭州	20.271028

In [239]: # 学习 train[['education', 'salary_simple']].groupby(['education'], as_index=False).mean().sort_values(by='salary_simple', ascending=False) Out[239]:

	education	salary_simple
1	博士	29.357143
4	硕士	24.319149
3	本科	22.667763
2	大专	17.000000
0	不限	16.055556

In [240]: train[['experience', 'salary_simple']].groupby(['experience'], as_index=False).mean().sort_values(by='salary_simple', ascending=False) Out[240]:

	experience	salary_simple
1	10年以上	38.000000
4	5-10年	31.682927
3	3-5年	26.214634
0	1-3年	20.884848
5	不限	19.381443
2	1年以内	12.909091
6	应届生	11.000000

In [241]: sns.boxplot(x="location", y="salary_simple", data=train) Out[241]:

<matplotlib.axes._subplots.AxesSubplot at 0x1a20cdbbe0>

In [242]: sns.boxplot(x="education", y="salary_simple", data=train) Out[242]:

<matplotlib.axes._subplots.AxesSubplot at 0x1a217939b0>

In [243]: sns.boxplot(x="experience", y="salary_simple", data=train) Out[243]:

<matplotlib.axes._subplots.AxesSubplot at 0x1a20bd9550>

总结¶

从两个招聘APp来说，给我的感觉是boss直聘稍微混乱一些，拉勾在数据上的规范性和真实性上感觉更大，至于方便程度来说，还得不用人去体验。
从机器学习这个岗位来说，北京的需求确实比其他四市要多，跟环境，人才的聚集也有很大的关系。目前的普遍印象是研究生从事机器学习的人数要多，但从招聘情况看，侧面反映本科从事机器学习的人更多。1-5年经验的人才需求比较大，跳槽的话，工作经验在这个范围内比较合适。