本数据来源于拉勾网, 利用爬虫爬下来的。接下来我们来探讨一下基于拉勾网看数据分析职位的情况
#全部行都能输出
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use('seaborn')
%matplotlib inline
plt.rcParams['font.sans-serif']=['Simhei'] #显示中文,解决图中无法显示中文的问题
plt.rcParams['axes.unicode_minus']=False #设置显示中文后,负号显示受影响。解决坐标轴上乱码问题
df = pd.read_csv(r"C:\Users\EDZ\Desktop\案列\拉勾网数据分析职位分析\data\lagou1.csv")
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
0 | 玩吧 | [东城区] | “七险一金,免费午餐,弹性不打卡,季度旅游” | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
1 | 和信集团 | [大望路] | “五险一金、周末双休” | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k 经验不限 / 本科 | 数据分析师 |
2 | 水滴互助 | [望京] | “年底双薪,股票期权,扁平管理,晋升快” | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
3 | 易企秀 | [西北旺] | “七险一金、零食水果、带薪年假、年度旅游等” | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k 经验3-5年 / 本科 | 数据分析 |
4 | 齐聚科技(原呱呱视频) | [东城区] | “五险一金,弹性工作,餐补年终奖,节日福利” | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k 经验3-5年 / 大专 | 数据分析师 |
可以大概看一下有哪些列, 有些列里面明显包含了许多信息比如工位要求这一列, 就包含了3个信息,
薪资 经验 学历, 所以我们后面就需要对类似的这种进行分列
df.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 1674 entries, 0 to 1673 Data columns (total 8 columns): 公司名称 1673 non-null object 公司地点 1672 non-null object 公司短评 1674 non-null object 公司级别 1674 non-null object 城市 1669 non-null object 岗位技能 1671 non-null object 工位要求 1674 non-null object 标题 1674 non-null object dtypes: object(8) memory usage: 104.8+ KB
从这里我们可以看出一下信息:
df.drop_duplicates(inplace=True) # inplace=True在原表上进行去重, 不用返回新的DataFrame对象
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1593 entries, 0 to 1673 Data columns (total 8 columns): 公司名称 1592 non-null object 公司地点 1591 non-null object 公司短评 1593 non-null object 公司级别 1593 non-null object 城市 1588 non-null object 岗位技能 1590 non-null object 工位要求 1593 non-null object 标题 1593 non-null object dtypes: object(8) memory usage: 112.0+ KB
从这里我们可以看出数据变成了1593行, 也就是说原数据的确存在重复
1674-1593 # 有81行是完全重复的, 删除即可
81
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1593 entries, 0 to 1673 Data columns (total 8 columns): 公司名称 1592 non-null object 公司地点 1591 non-null object 公司短评 1593 non-null object 公司级别 1593 non-null object 城市 1588 non-null object 岗位技能 1590 non-null object 工位要求 1593 non-null object 标题 1593 non-null object dtypes: object(8) memory usage: 112.0+ KB
缺失值情况如下:
# 提取出公司名称有缺失的行
df[df.公司名称.isna()]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
872 | NaN | [珠江路] | “扁平管理;弹性工作” | 教育 / 未融资 / 50-150人 | 南京 | 大数据 | 4k-6k 经验应届毕业生 / 硕士 | 数据分析(python)实习生(南京) |
像这种缺失, 我们完全是不知道的, 所以可以直接删除该行, 当然我们这里不用带算法, 也可以不用处理,
所以怎么处理都没有任何关系, 那我们这里选择删除该行。
df.drop(index=872, inplace=True) # 删除该行
# 提取出公司名称有缺失的行
df[df.公司名称.isna()] # 公司名称不再有缺失值
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 |
---|
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1592 entries, 0 to 1673 Data columns (total 8 columns): 公司名称 1592 non-null object 公司地点 1590 non-null object 公司短评 1592 non-null object 公司级别 1592 non-null object 城市 1587 non-null object 岗位技能 1589 non-null object 工位要求 1592 non-null object 标题 1592 non-null object dtypes: object(8) memory usage: 111.9+ KB
# 提取出公司地点有缺失的行
df[df.公司地点.isna()]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
876 | 南京森马 | NaN | “目前五家店正在急速发展。空间很大。” | 消费生活 / 不需要融资 / 500-2000人 | 南京 | 产品设计 产品策划 | 3K-5K 经验1年以下 / 大专 | 数据分析助理 |
1634 | 三藏科技 | NaN | “办公环境优、资深大佬指导、领导超Nice” | 软件开发 / 未融资 / 15-50人 | 武汉 | 建模 机器学习 算法 | 10k-20k 经验3-5年 / 硕士 | 数据分析算法工程师 |
# 我们这里也把这两行删除了
df.drop(index=[876, 1634], inplace=True)
# 提取出公司地点有缺失的行
df[df.公司地点.isna()] # 公司地点也不再有缺失的行
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 |
---|
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1590 entries, 0 to 1673 Data columns (total 8 columns): 公司名称 1590 non-null object 公司地点 1590 non-null object 公司短评 1590 non-null object 公司级别 1590 non-null object 城市 1585 non-null object 岗位技能 1587 non-null object 工位要求 1590 non-null object 标题 1590 non-null object dtypes: object(8) memory usage: 111.8+ KB
df[df.城市.isna()]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
871 | 苏宁易购 | [玄武区] | “500强 平台大 发展好” | 电商,信息安全 / 上市公司 / 2000人以上 | NaN | 数据库 BI 可视化 | 10k-15k 经验3-5年 / 本科 | 数据分析 |
874 | 苏宁云商集团互联网平台公司 | [仙林] | “内容电商,前景无限。” | 电商 / 上市公司 / 2000人以上 | NaN | 电商 | 10k-20k 经验应届毕业生 / 本科 | 社招:高级数据分析师(非校招) |
1617 | 微派 | [东湖新技术…] | “发展空间大,大牛带” | 社交 / B轮 / 50-150人 | NaN | 数据分析 | 4k-8k 经验应届毕业生 / 本科 | 数据分析(校招/实习) |
1618 | 小红书 | [光谷] | “六险一金 周末双休 13薪 定期体检等” | 消费生活 / D轮及以上 / 500-2000人 | NaN | 数据分析 | 10k-15k 经验3-5年 / 本科 | 高级业务数据分析师 |
1619 | 极验 | [东湖新技术…] | “有挑战性,技术先驱,大牛队友” | 信息安全,数据服务 / B轮 / 50-150人 | NaN | 大数据 数据挖掘 数据分析 | 12k-18k 经验应届毕业生 / 本科 | 数据分析工程师 |
这里我们就不要直接删除了, 因为明显这里是可以填充缺失值的, 城市虽然缺失, 但是我们可以通过公司地点这一列来判断城市应该是什么,
比如1617 1618 1619 公司地点出现'东湖', '光谷'则可以判断出这些行的城市就应该是武汉。
另外稍微查下就知道, 玄武区 仙林在南京市。
# 把871 874 两行的城市这一列填充成 ---南京
df.loc[[871, 874], '城市'] = '南京' # 填充一个标量会自动进行广播
df.loc[[871, 874], '城市']
871 南京 874 南京 Name: 城市, dtype: object
# 把1617 1618 1619三行的城市这一列的填充成---武汉
df.loc[1617:1619, '城市'] = '武汉'
df.loc[1617:1619, '城市']
1617 武汉 1618 武汉 1619 武汉 Name: 城市, dtype: object
df[df.城市.isna()] # 城市这列也不在有缺失值
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 |
---|
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1590 entries, 0 to 1673 Data columns (total 8 columns): 公司名称 1590 non-null object 公司地点 1590 non-null object 公司短评 1590 non-null object 公司级别 1590 non-null object 城市 1590 non-null object 岗位技能 1587 non-null object 工位要求 1590 non-null object 标题 1590 non-null object dtypes: object(8) memory usage: 191.8+ KB
# 提取出岗位技能有缺失的行
df[df.岗位技能.isna()]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
328 | 北京盛业恒泰投资有限公司 | [朝外] | “双休 五险一金 朝九晚五” | 移动互联网,金融 / 不需要融资 / 150-500人 | 北京 | NaN | 6k-12k 经验不限 / 大专 | 数据分析 |
475 | XGATE讯格得 | [武侯区] | “五险一金、国定假期、每周水果、休息室” | 移动互联网,企业服务 / 不需要融资 / 50-150人 | 成都 | NaN | 12k-20k 经验不限 / 硕士 | 数据分析 |
1025 | 旺旺集团 | [虹桥] | “有班车、食堂;零食福利” | 电商,移动互联网 / 上市公司 / 2000人以上 | 上海 | NaN | 6k-8k 经验不限 / 不限 | 数据分析 |
岗位技能我们很难获取, 那我们就用户一个空字符串来填充
df['岗位技能'] = df.岗位技能.fillna('')
# 提取出岗位技能有缺失的行
df[df.岗位技能.isna()] # 岗位技能也不在有缺失
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 |
---|
df[df.岗位技能=='']
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
328 | 北京盛业恒泰投资有限公司 | [朝外] | “双休 五险一金 朝九晚五” | 移动互联网,金融 / 不需要融资 / 150-500人 | 北京 | 6k-12k 经验不限 / 大专 | 数据分析 | |
475 | XGATE讯格得 | [武侯区] | “五险一金、国定假期、每周水果、休息室” | 移动互联网,企业服务 / 不需要融资 / 50-150人 | 成都 | 12k-20k 经验不限 / 硕士 | 数据分析 | |
1025 | 旺旺集团 | [虹桥] | “有班车、食堂;零食福利” | 电商,移动互联网 / 上市公司 / 2000人以上 | 上海 | 6k-8k 经验不限 / 不限 | 数据分析 |
注意缺失值是NaN, 现在这里是空字符串, 两者是不一样的
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1590 entries, 0 to 1673 Data columns (total 8 columns): 公司名称 1590 non-null object 公司地点 1590 non-null object 公司短评 1590 non-null object 公司级别 1590 non-null object 城市 1590 non-null object 岗位技能 1590 non-null object 工位要求 1590 non-null object 标题 1590 non-null object dtypes: object(8) memory usage: 191.8+ KB
到这里我们就把缺失值处理完了
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
0 | 玩吧 | [东城区] | “七险一金,免费午餐,弹性不打卡,季度旅游” | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
1 | 和信集团 | [大望路] | “五险一金、周末双休” | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k 经验不限 / 本科 | 数据分析师 |
2 | 水滴互助 | [望京] | “年底双薪,股票期权,扁平管理,晋升快” | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
3 | 易企秀 | [西北旺] | “七险一金、零食水果、带薪年假、年度旅游等” | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k 经验3-5年 / 本科 | 数据分析 |
4 | 齐聚科技(原呱呱视频) | [东城区] | “五险一金,弹性工作,餐补年终奖,节日福利” | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k 经验3-5年 / 大专 | 数据分析师 |
df['公司地点'] = df.公司地点.map(lambda s:s[1:-1]) # map一个匿名函数搞定
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | “七险一金,免费午餐,弹性不打卡,季度旅游” | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
1 | 和信集团 | 大望路 | “五险一金、周末双休” | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k 经验不限 / 本科 | 数据分析师 |
2 | 水滴互助 | 望京 | “年底双薪,股票期权,扁平管理,晋升快” | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
3 | 易企秀 | 西北旺 | “七险一金、零食水果、带薪年假、年度旅游等” | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k 经验3-5年 / 本科 | 数据分析 |
4 | 齐聚科技(原呱呱视频) | 东城区 | “五险一金,弹性工作,餐补年终奖,节日福利” | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k 经验3-5年 / 大专 | 数据分析师 |
df['公司短评'] = df.公司短评.map(lambda s:s[1:-1])
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 标题 | |
---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k 经验不限 / 本科 | 数据分析师 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k 经验3-5年 / 本科 | 数据分析师 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k 经验3-5年 / 本科 | 数据分析 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k 经验3-5年 / 大专 | 数据分析师 |
位置放在工位要求后面
s = ' 15k-25k 经验3-5年 / 本科'
s
' 15k-25k 经验3-5年 / 本科'
s.split()[0]
'15k-25k'
df.工位要求.map(lambda s : s.split()[0])
0 15k-25k 1 10k-20k 2 15k-25k 3 15k-30k 4 15k-20k ... 1669 30k-40k 1670 6k-10k 1671 4k-6k 1672 15k-25k 1673 10k-20k Name: 工位要求, Length: 1590, dtype: object
df.insert(7, '薪资', df.工位要求.map(lambda s : s.split()[0]))
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k 经验3-5年 / 本科 | 15k-25k | 数据分析师 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k 经验不限 / 本科 | 10k-20k | 数据分析师 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k 经验3-5年 / 本科 | 15k-25k | 数据分析师 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k 经验3-5年 / 本科 | 15k-30k | 数据分析 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k 经验3-5年 / 大专 | 15k-20k | 数据分析师 |
# 查看薪资这列缺失值情况
df[df.薪资.isna()] # 薪资这一列没有缺失值
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 |
---|
# 查看薪资这列异常值情况
print(list(df.薪资.value_counts().index))
['15k-25k', '15k-30k', '10k-20k', '20k-40k', '10k-15k', '8k-15k', '20k-30k', '15k-20k', '20k-35k', '25k-50k', '6k-8k', '12k-20k', '8k-10k', '8k-12k', '6k-10k', '25k-40k', '10k-18k', '25k-35k', '30k-50k', '18k-35k', '8k-16k', '4k-6k', '3k-5k', '12k-24k', '4k-8k', '5k-10k', '6k-12k', '7k-10k', '5k-8k', '2k-4k', '30k-40k', '18k-30k', '18k-25k', '25k-30k', '12k-18k', '4k-7k', '13k-25k', '18k-36k', '25k-45k', '30k-60k', '13k-20k', '2k-3k', '7k-14k', '8k-13k', '8k-14k', '6k-9k', '15k-22k', '14k-20k', '9k-18k', '7k-12k', '3k-4k', '20k-25k', '5k-9k', '4k-5k', '1k-2k', '5k-7k', '7k-9k', '10k-16k', '11k-18k', '18k-28k', '10k-13k', '16k-25k', '50k-80k', '12k-17k', '7k-13k', '30k-45k', '9k-12k', '40k-70k', '10k-14k', '17k-30k', '12k-16k', '18k-32k', '50k-100k', '3k-6k', '14k-25k', '12k-15k', '13k-26k', '16k-24k', '17k-34k', '19k-28k', '50k-70k', '35k-45k', '5k-6k', '12k-22k', '14k-28k', '11k-22k', '经验1-3年', '30k-55k', '45k-60k', '13k-18k', '15k-18k', '10k-17k', '17k-25k', '21k-35k', '17k-23k', '14k-18k', '35k-60k', '20k-28k', '11k-16k', '9k-11k', '7k-8k', '9k-15k', '40k-50k', '28k-40k', '20k-23k', '6k-7k', '8k-11k', '14k-24k', '经验3-5年', '11k-17k', '14k-22k', '16k-23k', '60k-100k', '40k-80k', '1k-1k', '60k-80k', '28k-55k', '16k-32k', '15k-27k', '20k-26k', '23k-46k', '9k-16k', '55k-80k', '13k-22k', '50k-65k', '11k-21k', '15k-26k', '13k-15k', '35k-50k', '21k-29k', '6k-11k', '28k-45k', '24k-25k', '40k-60k', '15k-28k', '11k-20k', '28k-38k', '26k-40k', '16k-30k', '21k-26k', '35k-55k', '9k-14k', '20K-40K', '15k-19k', '38k-65k', '30k-35k', '15k-24k', '20k-38k', '4K-5K', '25k-49k', '200k-300k', '17k-28k', '35k-70k', '35k-65k']
仔细观察上面的输出结果, 有出现 '经验1-3年' , '经验3-5年'这些明显的异常, 我们把这些有异常的行提出来看一下
df[df.薪资.map(lambda s: '经验' in s)]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
868 | SHEIN | 安德门 | 五险一金,绩效奖金,年终奖,节日福利 | 电商,移动互联网 / C轮 / 2000人以上 | 南京 | 跨境电商 数据分析 | 经验1-3年 / 本科 | 经验1-3年 | 数据分析师 (MJ000443) |
875 | 南京德胜智业 | 珠江路 | 年轻、提薪快、五险一金、不加班、做五休二 | 电商,消费生活 / 未融资 / 15-50人 | 南京 | 移动互联网 广告营销 策划 创意 | 经验1-3年 / 不限 | 经验1-3年 | 推广/SEO/数据分析/运营分析/策划/创意 |
1624 | 字节跳动 | 洪山区 | 六险一金,餐补,带薪休假,扁平管理 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 项目管理 | 经验3-5年 / 本科 | 经验3-5年 | 商业化-高级数据分析师 |
可以看出这里明显是由于工位要求没有薪资信息导致的,所以我们必须要处理, 这里的处理方式可以这样, 868 875 都是南京, 那我们看看南京其他公司工资如何, 为了更精准一点, 我们还可以利用其他信息进行定位, 比如, 868就是南京的2000人以上的公司经验是1-3年的工资, 其他类似。
df.城市=='南京' # 第一个条件
0 False 1 False 2 False 3 False 4 False ... 1669 False 1670 False 1671 False 1672 False 1673 False Name: 城市, Length: 1590, dtype: bool
df.公司级别.map(lambda s : '2000人以上' in s) # 第二个条件
0 False 1 True 2 False 3 False 4 False ... 1669 True 1670 False 1671 False 1672 True 1673 True Name: 公司级别, Length: 1590, dtype: bool
df.工位要求.map(lambda s : '经验1-3年' in s) # 第三个条件
0 False 1 False 2 False 3 False 4 False ... 1669 False 1670 False 1671 False 1672 False 1673 False Name: 工位要求, Length: 1590, dtype: bool
df[(df.城市=='南京')&(df.公司级别.map(lambda s : '2000人以上' in s)&(df.工位要求.map(lambda s : '经验1-3年' in s)))]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
861 | vivo | 小行 | 弹性工作,试用期全薪,丰富年终奖 | 硬件 / 未融资 / 2000人以上 | 南京 | 数据分析 | 7k-10k 经验1-3年 / 本科 | 7k-10k | 数据分析专员 |
862 | 卓尔智联集团有限公司 | 安德门 | 上市公司 500强 五险一金 | 移动互联网,电商 / 上市公司 / 2000人以上 | 南京 | 电商 数据挖掘 | 6k-12k 经验1-3年 / 本科 | 6k-12k | HB-数据分析师-南京 |
863 | 鼎捷软件 | 双龙大道 | 五险一金全,各项补充福利 | 其他 / 上市公司 / 2000人以上 | 南京 | 数据分析 数据运营 数据库 | 7k-10k 经验1-3年 / 本科 | 7k-10k | 数据分析工程师(帆软报表) |
868 | SHEIN | 安德门 | 五险一金,绩效奖金,年终奖,节日福利 | 电商,移动互联网 / C轮 / 2000人以上 | 南京 | 跨境电商 数据分析 | 经验1-3年 / 本科 | 经验1-3年 | 数据分析师 (MJ000443) |
所以从这里可以看出, 南京2000人以上的要求经验1-3年的数据分析师工资也就是7k-10k, 当然这里只是参考
df[df.薪资.map(lambda s: '经验' in s)]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
868 | SHEIN | 安德门 | 五险一金,绩效奖金,年终奖,节日福利 | 电商,移动互联网 / C轮 / 2000人以上 | 南京 | 跨境电商 数据分析 | 经验1-3年 / 本科 | 经验1-3年 | 数据分析师 (MJ000443) |
875 | 南京德胜智业 | 珠江路 | 年轻、提薪快、五险一金、不加班、做五休二 | 电商,消费生活 / 未融资 / 15-50人 | 南京 | 移动互联网 广告营销 策划 创意 | 经验1-3年 / 不限 | 经验1-3年 | 推广/SEO/数据分析/运营分析/策划/创意 |
1624 | 字节跳动 | 洪山区 | 六险一金,餐补,带薪休假,扁平管理 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 项目管理 | 经验3-5年 / 本科 | 经验3-5年 | 商业化-高级数据分析师 |
把868行的薪资改为7k-10k
df.loc[868, '薪资'] = '7k-10k'
以同样的方式处理其他行
df[(df.城市=='南京')&(df.公司级别.map(lambda s : '15-50人' in s))&df.工位要求.map(lambda s : '经验1-3年' in s)]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
875 | 南京德胜智业 | 珠江路 | 年轻、提薪快、五险一金、不加班、做五休二 | 电商,消费生活 / 未融资 / 15-50人 | 南京 | 移动互联网 广告营销 策划 创意 | 经验1-3年 / 不限 | 经验1-3年 | 推广/SEO/数据分析/运营分析/策划/创意 |
880 | 南京邮数通 | 山西路 | 项目奖金,带薪休年假,五险一金 | 移动互联网,信息安全 / 不需要融资 / 15-50人 | 南京 | 大数据 数据挖掘 | 8k-15k 经验1-3年 / 本科 | 8k-15k | 大数据分析开发工程师 |
df.loc[875, '薪资'] = '8k-15k'
df.loc[875, '薪资']
'8k-15k'
df[df.薪资.map(lambda s: '经验' in s)]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
1624 | 字节跳动 | 洪山区 | 六险一金,餐补,带薪休假,扁平管理 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 项目管理 | 经验3-5年 / 本科 | 经验3-5年 | 商业化-高级数据分析师 |
df[(df['城市']=='武汉')&(df.公司级别.map(lambda s : '2000人以上' in s))&df.工位要求.map(lambda s : '经验3-5年' in s)]
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
1597 | 字节跳动 | 洪山区 | 弹性工作,免费三餐,晋升空间,团队氛围好 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 数据分析 | 20k-40k 经验3-5年 / 本科 | 20k-40k | 数据分析师 |
1603 | 斗鱼直播 | 关山 | 下午茶;五险一金;弹性工作;前景好; | 文娱丨内容 / D轮及以上 / 2000人以上 | 武汉 | 分析 | 8k-12k 经验3-5年 / 本科 | 8k-12k | 数据分析师 |
1610 | 字节跳动 | 东湖新技术… | 六险一金,餐补,租房补贴,带薪休假 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 数据分析 | 15k-30k 经验3-5年 / 本科 | 15k-30k | 数据分析经理(光谷) |
1612 | 时时同云科技(成都)有限责任公司 | 丁字桥 | 六险一金 阿里背景 | 移动互联网,消费生活 / C轮 / 2000人以上 | 武汉 | 本地生活 数据分析 数据处理 | 8k-12k 经验3-5年 / 大专 | 8k-12k | 数据分析主管 |
1623 | 海康威视武汉研发中心 | 关山 | 六险一金;大平台 | 信息安全,数据服务 / 上市公司 / 2000人以上 | 武汉 | 大数据 | 10k-15k 经验3-5年 / 本科 | 10k-15k | 数据分析工程师 |
1624 | 字节跳动 | 洪山区 | 六险一金,餐补,带薪休假,扁平管理 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 项目管理 | 经验3-5年 / 本科 | 经验3-5年 | 商业化-高级数据分析师 |
1636 | 字节跳动 | 洪山区 | 六险一金、团队氛围好、餐补、扁平化管理 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 移动互联网 数据分析 行业分析 市场竞争分析 | 6k-12k 经验3-5年 / 本科 | 6k-12k | 商业化-高级数据分析师 |
df.loc[1624, '薪资'] = '20k-40k'
到这里薪资的异常值就处理完了
print(df.薪资.value_counts().index.tolist())
['15k-25k', '15k-30k', '10k-20k', '20k-40k', '10k-15k', '8k-15k', '20k-30k', '15k-20k', '20k-35k', '25k-50k', '6k-8k', '12k-20k', '8k-12k', '8k-10k', '6k-10k', '25k-40k', '25k-35k', '10k-18k', '4k-6k', '8k-16k', '30k-50k', '18k-35k', '3k-5k', '12k-24k', '4k-8k', '7k-10k', '5k-10k', '6k-12k', '5k-8k', '2k-4k', '30k-40k', '18k-30k', '18k-25k', '13k-25k', '4k-7k', '12k-18k', '18k-36k', '25k-30k', '25k-45k', '13k-20k', '2k-3k', '30k-60k', '8k-13k', '7k-14k', '6k-9k', '15k-22k', '8k-14k', '3k-4k', '14k-20k', '9k-18k', '7k-12k', '4k-5k', '20k-25k', '5k-7k', '1k-2k', '5k-9k', '10k-13k', '7k-9k', '10k-16k', '11k-18k', '18k-28k', '12k-17k', '7k-13k', '17k-30k', '30k-45k', '16k-25k', '12k-16k', '9k-12k', '50k-80k', '10k-14k', '40k-70k', '12k-15k', '13k-26k', '13k-18k', '35k-45k', '11k-22k', '12k-22k', '14k-25k', '18k-32k', '50k-100k', '30k-55k', '10k-17k', '14k-28k', '5k-6k', '50k-70k', '19k-28k', '17k-34k', '16k-24k', '3k-6k', '15k-18k', '45k-60k', '17k-25k', '14k-24k', '20k-23k', '7k-8k', '9k-15k', '11k-16k', '40k-50k', '35k-60k', '14k-18k', '9k-11k', '20k-28k', '21k-35k', '28k-40k', '17k-23k', '6k-7k', '8k-11k', '11k-17k', '14k-22k', '16k-23k', '60k-100k', '40k-80k', '1k-1k', '60k-80k', '28k-55k', '16k-32k', '15k-27k', '20k-26k', '23k-46k', '9k-16k', '55k-80k', '13k-22k', '50k-65k', '11k-21k', '15k-26k', '13k-15k', '35k-50k', '21k-29k', '6k-11k', '28k-45k', '24k-25k', '40k-60k', '15k-28k', '11k-20k', '28k-38k', '26k-40k', '16k-30k', '21k-26k', '35k-55k', '9k-14k', '20K-40K', '15k-19k', '38k-65k', '30k-35k', '15k-24k', '20k-38k', '4K-5K', '25k-49k', '200k-300k', '17k-28k', '35k-70k', '35k-65k']
位置放在薪资后面
df.head(2)
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 标题 | |
---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k 经验3-5年 / 本科 | 15k-25k | 数据分析师 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k 经验不限 / 本科 | 10k-20k | 数据分析师 |
s = df.工位要求[0]
s
'15k-25k 经验3-5年 / 本科'
s.split()[1]
'经验3-5年'
df.工位要求.map(lambda s:s.split()[1])
0 经验3-5年 1 经验不限 2 经验3-5年 3 经验3-5年 4 经验3-5年 ... 1669 经验5-10年 1670 经验不限 1671 经验不限 1672 经验3-5年 1673 经验应届毕业生 Name: 工位要求, Length: 1590, dtype: object
df.insert(8, '经验要求', df.工位要求.map(lambda s:s.split()[1]))
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 经验要求 | 标题 | |
---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k 经验3-5年 / 本科 | 15k-25k | 经验3-5年 | 数据分析师 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k 经验不限 / 本科 | 10k-20k | 经验不限 | 数据分析师 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k 经验3-5年 / 本科 | 15k-25k | 经验3-5年 | 数据分析师 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k 经验3-5年 / 本科 | 15k-30k | 经验3-5年 | 数据分析 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k 经验3-5年 / 大专 | 15k-20k | 经验3-5年 | 数据分析师 |
# 查看经验要求的缺失值情况
df[df.经验要求.isna()] # 经验要求这列没有缺失值
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 经验要求 | 标题 |
---|
# 查看经验要求这列的异常值情况
df.经验要求.value_counts() # 有3个异常值/
经验3-5年 655 经验1-3年 422 经验5-10年 240 经验不限 167 经验应届毕业生 68 经验1年以下 31 经验10年以上 4 / 3 Name: 经验要求, dtype: int64
# 提出经验要去异常值的行
df[df.经验要求=='/'] # 原因就是没有薪资造成的
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 经验要求 | 标题 | |
---|---|---|---|---|---|---|---|---|---|---|
868 | SHEIN | 安德门 | 五险一金,绩效奖金,年终奖,节日福利 | 电商,移动互联网 / C轮 / 2000人以上 | 南京 | 跨境电商 数据分析 | 经验1-3年 / 本科 | 7k-10k | / | 数据分析师 (MJ000443) |
875 | 南京德胜智业 | 珠江路 | 年轻、提薪快、五险一金、不加班、做五休二 | 电商,消费生活 / 未融资 / 15-50人 | 南京 | 移动互联网 广告营销 策划 创意 | 经验1-3年 / 不限 | 8k-15k | / | 推广/SEO/数据分析/运营分析/策划/创意 |
1624 | 字节跳动 | 洪山区 | 六险一金,餐补,带薪休假,扁平管理 | 文娱丨内容 / C轮 / 2000人以上 | 武汉 | 项目管理 | 经验3-5年 / 本科 | 20k-40k | / | 商业化-高级数据分析师 |
df.loc[[868, 875], '经验要求'] = '经验1-3年'
df.loc[[868, 875], '经验要求']
868 经验1-3年 875 经验1-3年 Name: 经验要求, dtype: object
df.loc[1624, '经验要求'] = '经验3-5年'
df.loc[1624, '经验要求']
'经验3-5年'
df.经验要求.value_counts() # 经验要求不再有异常值
经验3-5年 656 经验1-3年 424 经验5-10年 240 经验不限 167 经验应届毕业生 68 经验1年以下 31 经验10年以上 4 Name: 经验要求, dtype: int64
位置放到 经验要求 后面
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1590 entries, 0 to 1673 Data columns (total 10 columns): 公司名称 1590 non-null object 公司地点 1590 non-null object 公司短评 1590 non-null object 公司级别 1590 non-null object 城市 1590 non-null object 岗位技能 1590 non-null object 工位要求 1590 non-null object 薪资 1590 non-null object 经验要求 1590 non-null object 标题 1590 non-null object dtypes: object(10) memory usage: 216.6+ KB
s = df.工位要求[0]
s
'15k-25k 经验3-5年 / 本科'
s.split()[-1]
'本科'
df.工位要求.map(lambda s : s.split()[-1])
0 本科 1 本科 2 本科 3 本科 4 大专 .. 1669 不限 1670 大专 1671 大专 1672 本科 1673 本科 Name: 工位要求, Length: 1590, dtype: object
df['学历要求'] = df.工位要求.map(lambda s : s.split()[-1])
# 查看学历要求的缺失值
df.学历要求.isna().sum() # 没有缺失
0
# 查看学历要求的异常值情况
df.学历要求.value_counts() # 有一个异常值
本科 1324 不限 99 大专 94 硕士 70 博士 2 经验3-5年 1 Name: 学历要求, dtype: int64
df[df.学历要求=='经验3-5年'] # 该行没有学历
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 工位要求 | 薪资 | 经验要求 | 标题 | 学历要求 | |
---|---|---|---|---|---|---|---|---|---|---|---|
1628 | 烽火科技·虹旭信息技术有限公司 | 江夏区 | 班车,提供食宿,奖金,薪酬增长,沟通畅通 | 信息安全,数据服务 / 不需要融资 / 150-500人 | 武汉 | 数据分析 数据运营 | 7k-14k 经验3-5年 | 7k-14k | 经验3-5年 | 数据分析师 | 经验3-5年 |
学历要求 明显是一个分类型变量, 给他改成一个众数
df.学历要求.mode() # 查看学历要求的众数, 由于众数不止一个, 则返回一个Series对象
0 本科 dtype: object
df.loc[1628, '学历要求'] = '本科'
df.学历要求.value_counts() # 这里处理完了异常值
本科 1325 不限 99 大专 94 硕士 70 博士 2 Name: 学历要求, dtype: int64
df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 1590 entries, 0 to 1673 Data columns (total 11 columns): 公司名称 1590 non-null object 公司地点 1590 non-null object 公司短评 1590 non-null object 公司级别 1590 non-null object 城市 1590 non-null object 岗位技能 1590 non-null object 工位要求 1590 non-null object 薪资 1590 non-null object 经验要求 1590 non-null object 标题 1590 non-null object 学历要求 1590 non-null object dtypes: object(11) memory usage: 229.1+ KB
del df['工位要求']
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 薪资 | 经验要求 | 标题 | 学历要求 | |
---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k | 经验3-5年 | 数据分析师 | 本科 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k | 经验不限 | 数据分析师 | 本科 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k | 经验3-5年 | 数据分析师 | 本科 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k | 经验3-5年 | 数据分析 | 本科 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k | 经验3-5年 | 数据分析师 | 大专 |
a = df.公司级别.str.split('/', expand=True)
a.columns = ['公司领域', '融资阶段', '公司规模']
a
公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|
0 | 社交 | B轮 | 150-500人 |
1 | 金融 | 不需要融资 | 2000人以上 |
2 | 移动互联网,医疗丨健康 | B轮 | 500-2000人 |
3 | 移动互联网 | B轮 | 150-500人 |
4 | 移动互联网,游戏 | C轮 | 150-500人 |
... | ... | ... | ... |
1669 | 企业服务 | 上市公司 | 2000人以上 |
1670 | 金融 | 未融资 | 50-150人 |
1671 | 移动互联网,人工智能 | 上市公司 | 500-2000人 |
1672 | 移动互联网 | 不需要融资 | 2000人以上 |
1673 | 移动互联网 | 不需要融资 | 2000人以上 |
1590 rows × 3 columns
# 将上表拼接到df上
df = pd.concat([df, a], axis=1)
df.head()
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 薪资 | 经验要求 | 标题 | 学历要求 | 公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k | 经验3-5年 | 数据分析师 | 本科 | 社交 | B轮 | 150-500人 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k | 经验不限 | 数据分析师 | 本科 | 金融 | 不需要融资 | 2000人以上 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 移动互联网,医疗丨健康 / B轮 / 500-2000人 | 北京 | 数据分析 MySQL Hive | 15k-25k | 经验3-5年 | 数据分析师 | 本科 | 移动互联网,医疗丨健康 | B轮 | 500-2000人 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 移动互联网 / B轮 / 150-500人 | 北京 | 数据运营 SPSS SQL | 15k-30k | 经验3-5年 | 数据分析 | 本科 | 移动互联网 | B轮 | 150-500人 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 移动互联网,游戏 / C轮 / 150-500人 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k | 经验3-5年 | 数据分析师 | 大专 | 移动互联网,游戏 | C轮 | 150-500人 |
# 查看缺失值情况
df.info() # 没有缺失值
<class 'pandas.core.frame.DataFrame'> Int64Index: 1590 entries, 0 to 1673 Data columns (total 13 columns): 公司名称 1590 non-null object 公司地点 1590 non-null object 公司短评 1590 non-null object 公司级别 1590 non-null object 城市 1590 non-null object 岗位技能 1590 non-null object 薪资 1590 non-null object 经验要求 1590 non-null object 标题 1590 non-null object 学历要求 1590 non-null object 公司领域 1590 non-null object 融资阶段 1590 non-null object 公司规模 1590 non-null object dtypes: object(13) memory usage: 253.9+ KB
# 查看 融资阶段有无异常值
df.融资阶段.value_counts() # 融资阶段也没有异常值
上市公司 392 不需要融资 370 D轮及以上 172 C轮 172 未融资 156 A轮 151 B轮 150 天使轮 27 Name: 融资阶段, dtype: int64
# 查看公司规模有无异常值
df.公司规模.value_counts() # 公司规模没有异常值
2000人以上 577 150-500人 366 500-2000人 330 50-150人 205 15-50人 88 少于15人 24 Name: 公司规模, dtype: int64
df.head(2)
公司名称 | 公司地点 | 公司短评 | 公司级别 | 城市 | 岗位技能 | 薪资 | 经验要求 | 标题 | 学历要求 | 公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 社交 / B轮 / 150-500人 | 北京 | 数据分析 SPSS SQL | 15k-25k | 经验3-5年 | 数据分析师 | 本科 | 社交 | B轮 | 150-500人 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 金融 / 不需要融资 / 2000人以上 | 北京 | 数据分析 | 10k-20k | 经验不限 | 数据分析师 | 本科 | 金融 | 不需要融资 | 2000人以上 |
del df['公司级别']
df
公司名称 | 公司地点 | 公司短评 | 城市 | 岗位技能 | 薪资 | 经验要求 | 标题 | 学历要求 | 公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 北京 | 数据分析 SPSS SQL | 15k-25k | 经验3-5年 | 数据分析师 | 本科 | 社交 | B轮 | 150-500人 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 北京 | 数据分析 | 10k-20k | 经验不限 | 数据分析师 | 本科 | 金融 | 不需要融资 | 2000人以上 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 北京 | 数据分析 MySQL Hive | 15k-25k | 经验3-5年 | 数据分析师 | 本科 | 移动互联网,医疗丨健康 | B轮 | 500-2000人 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 北京 | 数据运营 SPSS SQL | 15k-30k | 经验3-5年 | 数据分析 | 本科 | 移动互联网 | B轮 | 150-500人 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k | 经验3-5年 | 数据分析师 | 大专 | 移动互联网,游戏 | C轮 | 150-500人 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
1669 | 宇通客车 | 管城回族区 | 高薪、福利待遇、假期多 | 郑州 | BI SPSS 数据分析 | 30k-40k | 经验5-10年 | 大数据分析师 | 不限 | 企业服务 | 上市公司 | 2000人以上 |
1670 | 河南千山教育科技有限公司 | 金水区 | 薪资待遇:8K~10K 双休 | 郑州 | 证券 股票 证券分析 | 6k-10k | 经验不限 | 金融数据分析师 | 大专 | 金融 | 未融资 | 50-150人 |
1671 | 缓冲网络科技 | 经开区 | 包住,发展前景大 | 郑州 | 工具软件 移动互联网 数据挖掘 数据架构 数据仓库 算法 | 4k-6k | 经验不限 | 大数据分析开发工程师助理/实习生 | 大专 | 移动互联网,人工智能 | 上市公司 | 500-2000人 |
1672 | 中移在线服务有限公司 | 高新区 | 海量数据 优质平台 发展空间大 | 郑州 | 数据分析 SQL | 15k-25k | 经验3-5年 | 大数据分析师 | 本科 | 移动互联网 | 不需要融资 | 2000人以上 |
1673 | 中移在线服务有限公司 | 高新区 | 六险两金、扁平化管理 | 郑州 | 分类信息 大数据 数据挖掘 数据架构 数据仓库 数据分析 | 10k-20k | 经验应届毕业生 | 政企大数据分析师 | 本科 | 移动互联网 | 不需要融资 | 2000人以上 |
1590 rows × 12 columns
基本上到这里我们就处理好了, 接下来我们来析一下
df
公司名称 | 公司地点 | 公司短评 | 城市 | 岗位技能 | 薪资 | 经验要求 | 标题 | 学历要求 | 公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 北京 | 数据分析 SPSS SQL | 15k-25k | 经验3-5年 | 数据分析师 | 本科 | 社交 | B轮 | 150-500人 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 北京 | 数据分析 | 10k-20k | 经验不限 | 数据分析师 | 本科 | 金融 | 不需要融资 | 2000人以上 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 北京 | 数据分析 MySQL Hive | 15k-25k | 经验3-5年 | 数据分析师 | 本科 | 移动互联网,医疗丨健康 | B轮 | 500-2000人 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 北京 | 数据运营 SPSS SQL | 15k-30k | 经验3-5年 | 数据分析 | 本科 | 移动互联网 | B轮 | 150-500人 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k | 经验3-5年 | 数据分析师 | 大专 | 移动互联网,游戏 | C轮 | 150-500人 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
1669 | 宇通客车 | 管城回族区 | 高薪、福利待遇、假期多 | 郑州 | BI SPSS 数据分析 | 30k-40k | 经验5-10年 | 大数据分析师 | 不限 | 企业服务 | 上市公司 | 2000人以上 |
1670 | 河南千山教育科技有限公司 | 金水区 | 薪资待遇:8K~10K 双休 | 郑州 | 证券 股票 证券分析 | 6k-10k | 经验不限 | 金融数据分析师 | 大专 | 金融 | 未融资 | 50-150人 |
1671 | 缓冲网络科技 | 经开区 | 包住,发展前景大 | 郑州 | 工具软件 移动互联网 数据挖掘 数据架构 数据仓库 算法 | 4k-6k | 经验不限 | 大数据分析开发工程师助理/实习生 | 大专 | 移动互联网,人工智能 | 上市公司 | 500-2000人 |
1672 | 中移在线服务有限公司 | 高新区 | 海量数据 优质平台 发展空间大 | 郑州 | 数据分析 SQL | 15k-25k | 经验3-5年 | 大数据分析师 | 本科 | 移动互联网 | 不需要融资 | 2000人以上 |
1673 | 中移在线服务有限公司 | 高新区 | 六险两金、扁平化管理 | 郑州 | 分类信息 大数据 数据挖掘 数据架构 数据仓库 数据分析 | 10k-20k | 经验应届毕业生 | 政企大数据分析师 | 本科 | 移动互联网 | 不需要融资 | 2000人以上 |
1590 rows × 12 columns
位置在薪资之后
import re
def slary(x):
L = re.findall('\d+', x)
return (float(L[0])+float(L[1]))*1000/2
df.薪资.map(slary)
0 20000.0 1 15000.0 2 20000.0 3 22500.0 4 17500.0 ... 1669 35000.0 1670 8000.0 1671 5000.0 1672 20000.0 1673 15000.0 Name: 薪资, Length: 1590, dtype: float64
df.insert(6, '平均薪资', df.薪资.map(slary))
df
公司名称 | 公司地点 | 公司短评 | 城市 | 岗位技能 | 薪资 | 平均薪资 | 经验要求 | 标题 | 学历要求 | 公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 北京 | 数据分析 SPSS SQL | 15k-25k | 20000.0 | 经验3-5年 | 数据分析师 | 本科 | 社交 | B轮 | 150-500人 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 北京 | 数据分析 | 10k-20k | 15000.0 | 经验不限 | 数据分析师 | 本科 | 金融 | 不需要融资 | 2000人以上 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 北京 | 数据分析 MySQL Hive | 15k-25k | 20000.0 | 经验3-5年 | 数据分析师 | 本科 | 移动互联网,医疗丨健康 | B轮 | 500-2000人 |
3 | 易企秀 | 西北旺 | 七险一金、零食水果、带薪年假、年度旅游等 | 北京 | 数据运营 SPSS SQL | 15k-30k | 22500.0 | 经验3-5年 | 数据分析 | 本科 | 移动互联网 | B轮 | 150-500人 |
4 | 齐聚科技(原呱呱视频) | 东城区 | 五险一金,弹性工作,餐补年终奖,节日福利 | 北京 | 游戏 社交 SQL 数据分析 商业 | 15k-20k | 17500.0 | 经验3-5年 | 数据分析师 | 大专 | 移动互联网,游戏 | C轮 | 150-500人 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
1669 | 宇通客车 | 管城回族区 | 高薪、福利待遇、假期多 | 郑州 | BI SPSS 数据分析 | 30k-40k | 35000.0 | 经验5-10年 | 大数据分析师 | 不限 | 企业服务 | 上市公司 | 2000人以上 |
1670 | 河南千山教育科技有限公司 | 金水区 | 薪资待遇:8K~10K 双休 | 郑州 | 证券 股票 证券分析 | 6k-10k | 8000.0 | 经验不限 | 金融数据分析师 | 大专 | 金融 | 未融资 | 50-150人 |
1671 | 缓冲网络科技 | 经开区 | 包住,发展前景大 | 郑州 | 工具软件 移动互联网 数据挖掘 数据架构 数据仓库 算法 | 4k-6k | 5000.0 | 经验不限 | 大数据分析开发工程师助理/实习生 | 大专 | 移动互联网,人工智能 | 上市公司 | 500-2000人 |
1672 | 中移在线服务有限公司 | 高新区 | 海量数据 优质平台 发展空间大 | 郑州 | 数据分析 SQL | 15k-25k | 20000.0 | 经验3-5年 | 大数据分析师 | 本科 | 移动互联网 | 不需要融资 | 2000人以上 |
1673 | 中移在线服务有限公司 | 高新区 | 六险两金、扁平化管理 | 郑州 | 分类信息 大数据 数据挖掘 数据架构 数据仓库 数据分析 | 10k-20k | 15000.0 | 经验应届毕业生 | 政企大数据分析师 | 本科 | 移动互联网 | 不需要融资 | 2000人以上 |
1590 rows × 13 columns
gp = df.groupby('城市')
gp
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x0000025AC34A2608>
a = gp['平均薪资'].mean().sort_values(ascending=False)
a = a.map(lambda x:int(x))
a
城市 北京 22702 杭州 20220 深圳 20026 上海 19538 佛山 18450 广州 15460 郑州 14888 南京 14888 苏州 14687 厦门 14392 武汉 14170 成都 11728 长沙 11125 重庆 10625 天津 8500 西安 6833 Name: 平均薪资, dtype: int64
# 导入直方图的类
from pyecharts.charts import Bar
# 导入配置项类
from pyecharts import options as opts
# 导入背景主题类
from pyecharts.globals import ThemeType
# 实例化一个bar图对象
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))
# 添加横轴的标签
bar.add_xaxis(list(a.index))
bar.add_yaxis(series_name = "各城市平均薪资直方图",
yaxis_data = a.values.tolist())
bar.set_global_opts( title_opts= opts.TitleOpts(title = '各城市平均薪资直方图')
,xaxis_opts=opts.AxisOpts(axislabel_opts={'rotate':30}) )
# 使刻度旋转30度,解决横轴显示不完全的问题
bar.render_notebook()
<pyecharts.charts.basic_charts.bar.Bar at 0x25ac3548088>
<pyecharts.charts.basic_charts.bar.Bar at 0x25ac3548088>
<pyecharts.charts.basic_charts.bar.Bar at 0x25ac3548088>
df.head(3)
公司名称 | 公司地点 | 公司短评 | 城市 | 岗位技能 | 薪资 | 平均薪资 | 经验要求 | 标题 | 学历要求 | 公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 北京 | 数据分析 SPSS SQL | 15k-25k | 20000.0 | 经验3-5年 | 数据分析师 | 本科 | 社交 | B轮 | 150-500人 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 北京 | 数据分析 | 10k-20k | 15000.0 | 经验不限 | 数据分析师 | 本科 | 金融 | 不需要融资 | 2000人以上 |
2 | 水滴互助 | 望京 | 年底双薪,股票期权,扁平管理,晋升快 | 北京 | 数据分析 MySQL Hive | 15k-25k | 20000.0 | 经验3-5年 | 数据分析师 | 本科 | 移动互联网,医疗丨健康 | B轮 | 500-2000人 |
def bar(c):
gp = df.groupby(c)
a = gp['平均薪资'].mean().sort_values(ascending=False)
a = a.map(lambda x:int(x))
if len(a)<=8:
a = a
else:
a = a[0:8]
# 实例化一个bar图对象
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))
# 添加横轴的标签
bar.add_xaxis(list(a.index))
bar.add_yaxis(series_name = "各{}与平均薪资直方图".format(c),
yaxis_data = a.values.tolist())
bar.set_global_opts( title_opts= opts.TitleOpts(title = "各{}与平均薪资直方图".format(c))
,xaxis_opts=opts.AxisOpts(axislabel_opts={'rotate':30}) )
return bar.render_notebook()
df.head(2)
公司名称 | 公司地点 | 公司短评 | 城市 | 岗位技能 | 薪资 | 平均薪资 | 经验要求 | 标题 | 学历要求 | 公司领域 | 融资阶段 | 公司规模 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 玩吧 | 东城区 | 七险一金,免费午餐,弹性不打卡,季度旅游 | 北京 | 数据分析 SPSS SQL | 15k-25k | 20000.0 | 经验3-5年 | 数据分析师 | 本科 | 社交 | B轮 | 150-500人 |
1 | 和信集团 | 大望路 | 五险一金、周末双休 | 北京 | 数据分析 | 10k-20k | 15000.0 | 经验不限 | 数据分析师 | 本科 | 金融 | 不需要融资 | 2000人以上 |
bar('学历要求')
df.columns
Index(['公司名称', '公司地点', '公司短评', '城市', '岗位技能', '薪资', '平均薪资', '经验要求', '标题', '学历要求', '公司领域', '融资阶段', '公司规模'], dtype='object')
bar('公司领域')
df.columns
Index(['公司名称', '公司地点', '公司短评', '城市', '岗位技能', '薪资', '平均薪资', '经验要求', '标题', '学历要求', '公司领域', '融资阶段', '公司规模'], dtype='object')
bar('融资阶段')
df.columns
Index(['公司名称', '公司地点', '公司短评', '城市', '岗位技能', '薪资', '平均薪资', '经验要求', '标题', '学历要求', '公司领域', '融资阶段', '公司规模'], dtype='object')
bar('公司规模')
df.columns
Index(['公司名称', '公司地点', '公司短评', '城市', '岗位技能', '薪资', '平均薪资', '经验要求', '标题', '学历要求', '公司领域', '融资阶段', '公司规模'], dtype='object')
bar('经验要求')
统计技能需求里面一些关键字出现的次数, 比如Excel BI SPSS SQL Python 机器学习 数据挖掘 算法等出现的次数,
画出相对应的技能所占的饼图百分比。
统计规则如下:
a = df.岗位技能.str.split()
a
0 [数据分析, SPSS, SQL] 1 [数据分析] 2 [数据分析, MySQL, Hive] 3 [数据运营, SPSS, SQL] 4 [游戏, 社交, SQL, 数据分析, 商业] ... 1669 [BI, SPSS, 数据分析] 1670 [证券, 股票, 证券分析] 1671 [工具软件, 移动互联网, 数据挖掘, 数据架构, 数据仓库, 算法] 1672 [数据分析, SQL] 1673 [分类信息, 大数据, 数据挖掘, 数据架构, 数据仓库, 数据分析] Name: 岗位技能, Length: 1590, dtype: object
L = []
for i in a:
L += i
s = ' '.join(L)
s
'数据分析 SPSS SQL 数据分析 数据分析 MySQL Hive 数据运营 SPSS SQL 游戏 社交 SQL 数据分析 商业 数据分析 数据运营 SQL 电商 新零售 Hive MySQL 数据处理 数据分析 电商 广告营销 增长黑客 SQL 商业 数据分析 数据运营 数据分析 教育 运营 数据分析 效果跟踪 MySQL SQLServer 数据分析 云计算 大数据 数据分析 SPSS SQL 数据分析 电商 新零售 运营 产品运营 用户运营 电商运营 移动互联网 需求分析 数据分析 数据分析 教育 数据分析 数据分析 数据分析 算法 数据挖掘 大数据 商业 数据分析 云计算 大数据 数据分析 数据库 数据分析 数据分析 数据分析 数据运营 SQL BI BI 数据分析 电商 产品设计 产品策划 需求分析 数据分析 移动互联网 数据分析 数据分析 移动互联网 数据分析 行业分析 数据分析 企业服务 房产服务 BI 数据库 数据分析 数据运营 SQL BI 商业 MySQL 数据分析 电商 汽车 商业 SQL SPSS 数据分析 数据分析 MySQL SQLServer 大数据 数据分析 商业 数据分析 SPSS SQL 商业 SQL 数据分析 数据分析 大数据 金融 数据分析 商业 数据分析 游戏 数据分析 商业 可视化 数据分析 金融 SQL 数据库 数据分析 数据运营 互联网金融 数据分析 SQL 教育 移动互联网 数据分析 用户增长 电商 SQL 数据分析 BI SQL 数据分析 商业 社交 移动互联网 数据分析 策略 用户研究 教育 SQL ETL 数据仓库 数据分析 SQLServer 移动互联网 增长黑客 数据分析 商业 数据运营 移动互联网 可视化 数据运营 SPSS SQL 直播 数据库 SQL 大数据 数据分析 数据分析 SQL 移动互联网 教育 数据分析 大数据 金融 Hadoop 算法 数据挖掘 数据分析 SQL SPSS 电商 新零售 数据分析 数据运营 数据分析 数据库 SQL 可视化 本地生活 数据分析 数据运营 SQL BI 可视化 数据分析 商业 SQL 数据分析 数据分析 SQL 视频 工具软件 数据分析 数据运营 SQL 商业 大数据 数据挖掘 数据分析 教育 移动互联网 数据分析 BI 可视化 SQL 数据库 SQL 数据分析 BI SQL 数据库 大数据 数据挖掘 数据分析 项目管理 数据分析 大数据 征信 数据分析 新零售 数据分析 汽车 大数据 数据挖掘 数据分析 教育 BI 数据分析 电商 新零售 数据仓库 数据分析 数据处理 数据分析 BI 增长黑客 数据分析 SQL 数据库 数据分析 SQL BI 可视化 数据分析 BI SQL 数据库 医疗健康 大数据 互联网金融 MySQL 数据分析 数据分析 数据挖掘 算法 数据分析 SQL 数据库 移动互联网 BI SQL 数据库 数据分析 移动互联网 数据分析 广告营销 移动互联网 数据分析 SQL 运营 BI 数据分析 金融 移动互联网 SPSS 数据分析 SQL 商业 大数据 数据分析 BI 数据分析 SQL 算法 搜索 数据挖掘 数据分析 旅游 数据分析 SPSS 商业 BI 数据分析 数据运营 大数据 数据分析 数据分析 数据挖掘 数据分析 商业 BI 数据分析 数据挖掘 数据分析 数据挖掘 数据仓库 大数据 数据分析 SPSS 数据分析 数据分析 SQL 金融 数据分析 移动互联网 电商 旅游 BI 产品经理 数据分析 汽车 数据分析 电商 商业 BI BI SQL SPSS 商业 数据分析 数据库 SQL 可视化 数据分析 增长黑客 视频 直播 数据分析 数据分析 数据分析 SQL 数据分析 数据运营 MySQL Scala 数据分析 金融 大数据 数据挖掘 BI 数据分析 数据分析 分析师 互联网金融 MySQL 教育 决策能力 业务流程管理 数据分析 移动互联网 金融 数据分析 数据运营 SQL 互联网金融 银行 节日礼物 技能培训 年度旅游 岗位晋升 数据分析 互联网金融 数据分析 数据分析 数据分析 数据分析 SQL 商业 数据库 产品 大数据 SQL 数据分析 商业 大数据 SQLServer Hive 数据分析 商业 可视化 数据分析 数据分析 房产服务 BI 数据分析 商业 移动互联网 数据分析 企业服务 移动互联网 数据分析 数据运营 数据库 SQL 数据分析 SQL 数据库 金融 NLP 算法 数据分析 医疗健康 大数据 数据分析 BI 数据运营 数据库 电商 大数据 数据分析 SPSS 数据分析 SPSS BI 可视化 数据分析 移动互联网 SQL 可视化 数据分析 数据分析 数据分析 增长黑客 数据分析 数据运营 商业 数据分析 MySQL 教育 算法 数据挖掘 数据分析 ETL MySQL 数据分析 数据处理 互联网金融 数据分析 数据分析 商业 数据分析 SPSS SQL 广告营销 大数据 商业 数据分析 SPSS 数据分析 数据分析 SQL 数据库 数据分析 数据分析 数据分析 互联网金融 借贷 数据分析 数据运营 电商 商业 BI 数据分析 SQL 数据分析 教育 数据分析 SQL 大数据 商业 BI 可视化 数据分析 大数据 金融 SQL 数据分析 大数据 数据分析 可视化 BI 商业 数据分析 互联网金融 借贷 数据分析 数据运营 数据运营 增长黑客 数据分析 Hive MySQL Oracle 电商 数据 大数据 数据运营 电商 SQL 互联网金融 Oracle 数据分析 Hive 游戏 数据分析 数据运营 大数据 数据分析 互联网金融 借贷 数据分析 MySQL Spark 电商 SQL 数据分析 数据运营 数据库 后端 音频处理 软件开发 滴滴 本地生活 移动互联网 BI 数据分析 数据运营 大数据 金融 数据挖掘 数据分析 数据分析 数据分析 数据分析 SQL 互联网金融 理财 BI 数据分析 数据库 大数据 金融 BI 数据分析 电商 数据分析 BI SQL 数据库 BI 数据分析 数据分析 风控 分析师 数据分析 SQL 数据分析 数据分析 大数据 数据分析 SQL 移动互联网 企业服务 数据分析 数据运营 SQL 数据库 数据分析 hadoop 大数据 数据挖掘 数据分析 数据分析 金融 数据分析 数据运营 医疗健康 大数据 数据分析 BI 移动互联网 数据分析 SQL 大数据 数据分析 数据分析 移动互联网 数据分析 Hive 数据处理 数据挖掘 电商 数据分析 数据分析 数据处理 移动互联网 数据分析 数据运营 数据挖掘 数据分析 Spark 电商 数据分析 SPSS BI SQL 产品经理 大数据 数据挖掘 数据分析 金融 数据挖掘 数据分析 Hive 数据分析 数据分析 数据运营 数据库 BI 数据分析 SQL 数据库 数据分析 大数据 旅游 数据挖掘 数据分析 数据处理 算法 SQL 增长黑客 数据分析 大数据 数据分析 数据分析 数据运营 SQL 数据库 电商 数据分析 数据分析 教育 产品 SQL SPSS SQL SPSS 数据运营 数据分析 大数据 房产服务 数据分析 MySQL 数据分析 数据分析 互联网金融 数据分析 数据分析 数据挖掘 SQL 商业 借贷 数据分析 数据处理 数据分析 MySQL SQLServer 滴滴 教育 BI SQL 商业 数据运营 数据分析 移动互联网 视频 数据分析 数据分析 数据架构 数据挖掘 数据分析 SQL 电商 新零售 SQL 数据分析 数据运营 大数据 旅游 数据仓库 数据分析 数据处理 Hive 互联网金融 电商 Hive Hadoop 数据分析 医疗健康 移动互联网 数据分析 SQLServer 借贷 数据分析 SQL 数据库 运营 APP推广 大数据 数据分析 数据分析 MySQL Hive 数据分析 SQL 教育 移动互联网 数据分析 商业 BI 数据运营 大数据 金融 数据分析 数据运营 SQL 数据分析 新零售 汽车 BI 可视化 数据分析 SQL 行业研究 分析师 游戏 大数据 数据分析 数据分析 效果跟踪 新媒体运营 数据分析 电商 数据分析 数据分析 保险 Hadoop ETL Hive 数据分析 数据分析 金融 数据分析 数据处理 数据分析 算法 电商 数据分析 SPSS 电商 可视化 商业 数据分析 BI 产品 数据分析 滴滴 数据分析 教育 数据分析 SPSS SQL 大数据 移动互联网 市场分析 数据分析 行业分析 市场 数据分析 电商 移动互联网 可视化 数据分析 数据运营 增长黑客 数据分析 数据运营 SQL 数据库 数据分析 BI 数据分析 大数据 数据分析 电商 ETL 数据分析 地图 大数据 审核 大数据 教育 滴滴 数据挖掘 数据仓库 数据分析 Hadoop BI 可视化 数据分析 数据运营 数据分析 大数据 数据分析 数据库 增长黑客 商业 数据运营 数据分析 商业 BI 数据分析 SQL 大数据 数据挖掘 数据分析 可视化 数据分析 SPSS 数据库 大数据 汽车 Java 数据挖掘 数据处理 算法 产品 滴滴 电商 SQL 数据分析 本地生活 房产服务 数据库 SQL 数据分析 大数据 商业 数据分析 游戏 数据分析 数据运营 汽车 地图 电商 商业 教育 MySQL 数据分析 数据分析 电商 SQLServer 数据分析 数据分析 游戏 数据分析 数据分析 汽车 Hive 数据分析 数据分析 数据分析 数据 互联网金融 保险 数据分析 BI SPSS SQL 游戏 BI 数据分析 商业 SQL 金融 数据分析 数据分析 数据运营 大数据 医疗健康 数据分析 SQL 广告营销 数据分析 数据挖掘 数据分析 Spark Hadoop Hive 数据分析 SQL 分析 财务 游戏 移动互联网 BI SQL 数据分析 SPSS 数据分析 社交 移动互联网 SQL 商业 数据分析 增长黑客(GrowthHacking) 汽车 新零售 数据运营 SQL 数据分析 商业 大数据 数据挖掘 数据分析 数据分析 电商 本地生活 商业 BI 可视化 互联网金融 移动互联网 房产服务 数据分析 MySQL 数据挖掘 数据分析 电商 数据分析 数据运营 可视化 视频 移动互联网 商业 数据分析 数据运营 SQL 审核 数据分析 滴滴 直播 社交 数据分析 互联网金融 借贷 SQL 可视化 数据分析 SPSS 数据挖掘 算法 数据挖掘 数据分析 数据运营 新零售 汽车 可视化 SPSS SQL 数据分析 数据分析 SQL 商业 数据运营 市场 数据分析 大数据 互联网金融 SQL 运营 数据分析 商业 BI 可视化 SQL 电商 电商 新零售 数据分析 数据分析 视频 数据分析 数据处理 数据架构 数据分析 数据挖掘 移动互联网 数据分析 大数据 工具软件 数据分析 增长黑客(GrowthHacking) 商业 增长黑客 数据分析 数据运营 数据分析 数据运营 分类信息 数据分析 可视化 数据分析 数据库 SQL 大数据 云计算 数据挖掘 数据分析 算法 数据处理 SQL 数据库 数据分析 数据分析 电商 广告营销 数据分析 电商 移动互联网 数据挖掘 数据分析 Hive MySQL 移动互联网 数据分析 保险 增长黑客 数据分析 可视化 数据运营 数据分析 数据分析 SQL 电商 广告营销 数据分析 大数据 数据分析 视频 直播 数据分析 行业分析 市场分析 市场竞争分析 商业 数据分析 物流 数据分析 数据处理 SQLServer 大数据 数据分析 商业 BI 可视化 电商 移动互联网 数据分析 SQL 物流 数据分析 电商 新零售 商业 SQL 数据分析 电商 新零售 教育 Hadoop 数据分析 MySQL 数据分析 广告营销 大数据 数据分析 BI 数据运营 数据分析 汽车 数据分析 SPSS SQL 电商 数据分析 数据分析 电商 房产服务 BI 数据分析 SQL 广告营销 SQL 审核 数据分析 数据分析 市场分析 行业分析 物流 SQLServer 电商 新零售 数据分析 效果跟踪 数据分析 免费班车 岗位晋升 五险一金 定期体检 数据分析 增长黑客 SQL 数据分析 数据分析 数据挖掘 数据处理 互联网金融 教育 运营 数据分析 效果跟踪 大数据 数据挖掘 数据分析 数据分析 其他 大数据 银行 数据挖掘 数据分析 数据分析 SQLServer 游戏 移动互联网 数据分析 数据运营 大数据 移动互联网 数据分析 数据运营 SQL SPSS 大数据 数据分析 本地生活 移动互联网 数据分析 数据分析 医疗健康 物流 数据分析 企业服务 大数据 算法 数据挖掘 数据架构 数据分析 大数据 Hadoop 数据分析 大数据 企业服务 数据分析 SPSS 数据库 移动互联网 通信/网络设备 移动互联网 大数据 大数据 数据分析 数据分析 SQL 市场 数据分析 数据挖掘 数据分析 风控 产品 大数据 移动互联网 数据分析 数据分析 智能硬件 数据分析 数据运营 BI 大数据 数据分析 大数据 银行 数据挖掘 数据分析 移动互联网 电商 数据运营 数据分析 数据分析 可视化 商业 MySQL 数据分析 游戏 移动互联网 数据分析 效果跟踪 移动互联网 数据分析 电商 大数据 算法 数据挖掘 数据分析 分析师 大数据 金融 数据分析 数据库 数据分析 教育 移动互联网 电商 运营 数据分析 机器学习 数据挖掘 建模 大数据 数据分析 数据运营 商业 数据分析 大数据 金融 数据分析 数据库 数据运营 数据分析 SPSS SQL 数据库 数据分析 数据分析 数据分析 大数据 信息安全 数据分析 数据运营 大数据 商业 数据分析 数据分析 物流 金融 移动互联网 企业服务 金融 SQL 数据分析 市场竞争分析 消费者分析 市场分析 数字营销 数据分析 Oracle MySQL Hadoop 数据架构 大数据 企业服务 数据分析 大数据 医疗健康 数据分析 数据库 SQL 数据分析 DBA SQL 游戏运营 数据分析 游戏运营 数据分析 电商 物流 MySQL Oracle 数据分析 数据处理 游戏 数据挖掘 数据分析 大数据 移动互联网 数据分析 分析师 数据分析 互联网金融 大数据 数据分析 数据分析 基金 数据分析 数据分析 数据分析 数据运营 电商 大数据 数据分析 数据运营 SPSS 商业 大数据 金融 商业 数据分析 可视化 数据运营 数据挖掘 数据分析 算法 电商 移动互联网 SPSS 大数据 数据分析 数据分析 产品设计 产品策划 交互设计 移动互联网 数据分析 SQL SPSS 数据分析 数据处理 数据分析 SQL 电商 数据运营 数据库 数据分析 SQL 数据分析 直播 视频 数据分析 SQL 数据运营 BI Hive 数据分析 数据挖掘 数据分析 SQLServer 数据分析 数据库 数据运营 移动互联网 教育 数据分析 增长黑客 数据运营 可视化 产品设计 需求分析 数据分析 数据分析 数据挖掘 数据分析 BI 电商 数据分析 电商 大数据 商业 数据分析 广告营销 移动互联网 数据运营 新零售 商业 数据分析 数据运营 数据库 Hadoop 数据处理 数据分析 MySQL 移动互联网 数据分析 SQL 数据分析 数据分析 数据库 SQL BI SQL 数据库 数据分析 电商 大数据 MySQL 数据分析 数据挖掘 DBA 大数据 数据分析 数据分析 数据库 广告营销 新零售 物流 移动互联网 数据分析 数据运营 数据库 电商 大数据 商业 数据分析 SPSS BI 教育 移动互联网 数据分析 电商 数据库 数据运营 数据分析 商业 新零售 大数据 数据分析 数据分析 数据分析 体育 移动互联网 数据分析 数据运营 数据库 电商 数据分析 数据分析 可视化 商业 数据分析 数据挖掘 数据架构 数据仓库 游戏 广告营销 数据分析 电商 新零售 数据分析 SQL 可视化 HR 人力资源 人事 大数据 移动互联网 运营 数据分析 电商 数据分析 电商 商业 BI 数据分析 游戏 市场 数据分析 广告营销 商业 数据分析 移动互联网 汽车 数据分析 运营 用户增长 游戏 产品运营 数据分析 游戏运营 SQL 数据分析 数据库 社交 移动互联网 SPSS SQL 数据分析 数据分析 SQL 电商 大数据 数据分析 数据挖掘 Hadoop MySQL 大数据 广告营销 SQL 数据分析 可视化 数据库 医疗健康 大数据 SQLServer 数据处理 数据分析 媒体 运维 数据分析 SQL 数据分析 数据分析 数据处理 Hive 数据分析 移动互联网 SQLServer 移动互联网 商业 增长黑客 数据分析 BI 数据分析 游戏 移动互联网 数据分析 数据架构 数据挖掘 MySQL 社交 移动互联网 数据分析 数据运营 增长黑客 数据分析 互联网金融 数据挖掘 数据架构 数据分析 数据处理 社交 大数据 客服 售前 售后 电商 BI 数据分析 数据分析 Hive 金融 数据分析 通信/网络设备 移动互联网 游戏 数据分析 数据运营 医疗健康 移动互联网 可视化 数据分析 SPSS SQL 移动互联网 数据分析 移动互联网 数据分析 电商 数据分析 数据分析 数据处理 云计算 大数据 数据分析 数据挖掘 数据架构 数据仓库 数据分析 大数据 算法 数据挖掘 数据分析 电商 数据分析 数据处理 MySQL 大数据 广告营销 游戏 数据分析 电商 网店推广 推广 SEO 大数据 云计算 Hive 数据分析 MySQL Oracle 数据分析 SQL 电商 社交 商业 SQL 数据分析 SPSS 电商 BI 可视化 SQL 数据库 运营 数据分析 策略运营 用户运营 大数据 算法 数据挖掘 数据分析 BI 数据分析 SQL 大数据 Hive MySQL Oracle SQLServer Hadoop 大数据 广告营销 运营 用户增长 数据分析 商业 数据分析 数据运营 SPSS 数据分析 工具软件 新零售 数据库 大数据 数据挖掘 数据分析 项目管理 敏捷 解决方案 Hive 数据分析 数据分析 数据分析 电商 可视化 数据分析 数据运营 数据库 大数据 数据挖掘 数据分析 移动互联网 游戏 MySQL 数据处理 数据分析 游戏 数据分析 数据运营 SPSS 大数据 数据分析 数据挖掘 电商 大数据 教育 大数据 BI 商业 可视化 SPSS 数据分析 数据处理 银行 数据挖掘 数据分析 大数据 大数据 数据挖掘 游戏 移动互联网 数据分析 SQL 电商 数据分析 数据运营 游戏 数据分析 游戏 数据库 数据分析 SQL 可视化 大数据 企业服务 BI 可视化 数据分析 数据运营 大数据 云计算 游戏 数据分析 数据分析 市场分析 数字营销 电商 大数据 数据分析 数据运营 SQL 数据库 大数据 移动互联网 商业 数据分析 SPSS SQL 移动互联网 信息安全 数据分析 电商 数据分析 数据运营 大数据 金融 BI 数据分析 数据库 SQL 数据分析 SPSS 教育 数据分析 SPSS SQL BI 风控 风险分析 数据分析 数据库 SQL 大数据 新零售 产品运营 策略运营 数据分析 数据运营 数据分析 SQL 数据库 电商 数据分析 游戏 数据挖掘 数据分析 算法 数据处理 数据分析 SQL 数据运营 游戏 数据分析 数据运营 旅游 工具软件 数据分析 互联网金融 理财 分析师 行业研究 风控 医疗健康 数据分析 电商 推广 SEO 网店推广 大数据 市场 数据分析 电商 大数据 算法 搜索 数据挖掘 PKI 数据分析 游戏 大数据 游戏 数据分析 电商 数据分析 数据运营 SPSS SQL 数据库 SQL SPSS 数据分析 数据分析 产品设计 产品策划 需求分析 大数据 电商 数据分析 数据运营 电商 外汇 理财顾问 汽车 大数据 数据运营 数据分析 互联网金融 Hadoop 数据仓库 数据分析 Oracle 游戏运营 产品运营 数据分析 移动互联网 大数据 电商 财务 分析 大数据 数据分析 MySQL Oracle 游戏 游戏运营 Java NLP MySQL 数据分析 工具软件 信息安全 增长黑客 数据分析 运营 移动互联网 大数据 市场分析 数据分析 产销协调 数据分析 广告营销 电商 市场竞争分析 市场分析 消费者分析 营销策略 企业服务 大数据 数据挖掘 数据分析 算法 数据处理 电商 新零售 数据分析 市场分析 市场竞争分析 大数据 移动互联网 人工智能 建模 算法 数据挖掘 大数据 移动互联网 BI 数据分析 ETL Hadoop MySQL 电商 SQL 电商 Hive 数据分析 MySQL 电商 数据分析 数据运营 SPSS 商业 大数据 云计算 电商 金融 SQL SPSS 商业 数据分析 电商 BI 数据分析 SQL 社交 大数据 数据分析 数据库 SQL 数据运营 电商 广告营销 数据分析 移动互联网 工具软件 可视化 数据库 数据运营 数据分析 电商 移动互联网 数据分析 行业分析 市场分析 商业策划 商业 数据分析 大数据 数据挖掘 数据分析 移动互联网 数据分析 广告营销 数据分析 数据库 工具软件 移动互联网 数据分析 算法 数据挖掘 数据分析 移动互联网 工具软件 数据分析 数据分析 数据运营 数据库 大数据 软件开发 大数据 企业服务 数据分析 电商 数据分析 SQL 数据库 电商 直播 数据分析 网站分析 市场 效果跟踪 商业 BI 数据分析 SQL 数据仓库 数据架构 电商 BI 大数据 BI 数据分析 数据运营 电商 数据分析 数据分析 SQL 电商 大数据 大数据 金融 BI 数据分析 数据分析 电商 BI 数据分析 电商 数据分析 数据挖掘 数据分析 保险 互联网金融 数据库 SQL 数据分析 移动互联网 数据分析 金融 Hadoop Hive 数据挖掘 数据分析 分析师 大数据 数据挖掘 数据分析 信息安全 新零售 电商 数据分析 商业 数据分析 数据分析 运营 游戏 数据分析 数据挖掘 互联网金融 MySQL 数据分析 数据分析 数据分析 Hive 数据分析 电商 大数据 大数据 数据挖掘 数据分析 大数据 BI 可视化 数据分析 大数据 教育 大数据 电商 数据分析 互联网金融 电商 Hive MySQL 数据分析 数据架构 电商 广告营销 营销策略 消费者分析 市场分析 数据分析 数据分析 移动互联网 数据分析 MySQL 数据处理 数据分析 SPSS SQL 数据库 数据分析 电商 Hive MySQL Spark 数据分析 数据分析 数据处理 数据挖掘 数据分析 电商 数据挖掘 数据分析 互联网金融 SQL 数据分析 物流 数据分析 数据运营 BI 可视化 电商 BI 数据分析 电商 教育 数据分析 电商 广告营销 市场分析 消费者分析 营销策略 数据分析 大数据 电商 数据分析 MySQL BI 数据分析 数据分析 BI SQL 数据挖掘 数据分析 搜索 数据分析 策略运营 数据分析 数据分析 数据挖掘 Java Hive SQLServer 电商 BI 数据分析 电商 数据分析 数据挖掘 医疗健康 移动互联网 数据挖掘 数据分析 数据仓库 MySQL 数据挖掘 数据分析 大数据 数据分析 数据分析 医疗健康 企业服务 电商 大数据 数据分析 数据处理 算法 电商 数据分析 数据分析 数据分析 行业分析 企业服务 大数据 SQL 数据库 数据分析 电商 数据分析 数据处理 MySQL SQLServer 数据挖掘 数据分析 移动互联网 电商 商业 数据分析 数据运营 数据库 数据分析 电商 财务 资产/项目评估 分析 风控 滴滴 数据分析 电商 用户运营 数据分析 大数据 医疗健康 SQL SPSS 数据分析 商业 体育 数据分析 大数据 数据分析 数据 数据分析 效果跟踪 跨境电商 大数据 电商 数据挖掘 数据仓库 数据分析 数据架构 工具软件 大数据 大数据 金融 数据分析 电商 数据分析 数据库 企业服务 可视化 数据分析 数据库 数据分析 Hive 数据分析 MySQL 移动互联网 数据分析 企业服务 大数据 电商 金融 大数据 企业服务 MySQL 数据分析 电商 数据分析 移动互联网 电商 数据分析 电商 医疗健康 商业 可视化 数据分析 数据运营 电商 新零售 电商 数据分析 电商 电商 BI SQL 数据分析 商业 MySQL 数据分析 支付 MySQL Java 电商 物流 分析 上市 资产管理 尽职调查 游戏 会计 分析 数据分析 数据分析 数据仓库 数据库开发 其他 通信/网络设备 电商 新零售 算法 数据挖掘 数据分析 大数据 数据分析 信息安全 电商 移动互联网 SQLServer Hive 数据分析 算法 电商 数据分析 行业分析 市场分析 数据分析 数据仓库 数据架构 数据挖掘 电商 SPSS SQL 数据挖掘 数据分析 大数据 征信 算法 数据分析 数据挖掘 大数据 信息安全 SQL 数据分析 电商 大数据 BI 数据分析 电商 数据分析 SQLServer MySQL 数据分析 电商 数据挖掘 数据分析 数据运营 数据库 数据分析 SQL 数据库 通信/网络设备 数据挖掘 算法 数据库开发 金融 风控 分析师 跨境电商 数据分析 移动互联网 大数据 金融 数据分析 数据挖掘 MySQL 数据库 BI 可视化 MySQL 电商 移动互联网 广告营销 策划 创意 Oracle 数据仓库 数据挖掘 数据分析 新零售 BI 数据 数据分析 大数据 数据挖掘 移动互联网 新零售 物流 数据分析 数据分析 SQL 物流 数据分析 数据分析 数据库 大数据 互联网金融 数据分析 医疗健康 数据分析 MySQL 数据分析 Hive SQL 数据运营 数据分析 大数据 数据分析 数据分析 可视化 数据库 SQL 电商 工具软件 SQL 数据分析 数据处理 SQLServer 数据分析 数据分析 数据挖掘 数据分析 SQL 信息安全 数据分析 数据库 SQL 互联网金融 移动互联网 SQL 金融 SQL 数据库 可视化 数据库 大数据 移动互联网 SQL 数据分析 数据分析 互联网金融 SQL 数据分析 游戏 SQL SPSS 数据分析 移动互联网 教育 BI 数据分析 数据运营 SQL 数据分析 数据库 年底双薪 绩效奖金 岗位晋升 定期体检 数据分析 SQL 大数据 数据分析 电商 企业服务 可视化 SQL 数据运营 新零售 风控 数据分析 数据运营 BI SQL 数据库 大数据 金融 商业 数据分析 电商 数据挖掘 数据分析 数据处理 MySQL 数据分析 数据运营 移动互联网 数据分析 商业 数据运营 社交 移动互联网 可视化 数据分析 SQL BI Java 数据分析 数据运营 数据分析 信息安全 机器学习 建模 算法 BI 商业 数据分析 互联网金融 数据分析 MySQL 汽车 移动互联网 数据分析 企业服务 大数据 MySQL 数据挖掘 数据分析 BI 数据分析 数据运营 商业 可视化 BI 数据分析 互联网金融 风控 分析师 信用产品 数据分析 编辑 大数据 商业 BI 可视化 数据分析 电商 新零售 BI SQL 数据库 数据分析 商业 BI 数据分析 社交 移动互联网 数据分析 大数据 数据分析 SQL 互联网金融 数据分析 数据运营 数据库 SQL 数据分析 大数据 互联网金融 数据分析 金融 商业 BI 可视化 数据分析 移动互联网 本地生活 BI 数据分析 SQL 数据库 数据分析 内容 大数据 可视化 SPSS 数据分析 电商 金融 数据挖掘 数据分析 云计算 大数据 数据分析 BI 数据分析 SQL 游戏 SQL 电商 数据库 数据分析 电商 数据分析 大数据 BI 数据分析 信息安全 大数据 数据分析 数据仓库 数据架构 数据挖掘 大数据 征信 数据分析 SPSS 金融 大数据 BI 可视化 数据库 大数据 医疗健康 MySQL ETL 数据分析 数据仓库 数据分析 旅游 大数据 ETL Hive 数据分析 数据处理 大数据 其他 ETL DB2 数据分析 电商 移动互联网 数据分析 BI 数据分析 SQL 年底双薪 节日礼物 技能培训 绩效奖金 电商 大数据 数据分析 数据运营 数据库 BI 可视化 数据分析 SQL 数据分析 游戏 广告营销 企业服务 商业 数据分析 DBA 教育 移动互联网 数据分析 数据运营 SQL 大数据 金融 数据分析 金融 数据分析 电商 移动互联网 数据分析 大数据 数据分析 数据分析 可视化 数据运营 数据分析 数据处理 数据库开发 数据分析 电商 医疗健康 数据分析 数据运营 数据分析 电商 SPSS SQL 数据库 其他 金融 保险 数据分析 SPSS SQL 商业 数据分析 SPSS 数据分析 电商 社交 数据分析 数据处理 SQL 数据分析 大数据 工具软件 旅游 移动互联网 数据分析 电商 数据分析 SQL Spark 互联网金融 互联网金融 SQLServer 数据分析 数据挖掘 MySQL SPSS SQL 数据库 数据分析 大数据 BI 数据分析 移动互联网 数据分析 数据分析 数据分析 数据仓库 数据库开发 大数据 移动互联网 本地生活 数据运营 SQL 数据库 BI 金融 大数据 MySQL SQLServer 数据分析 数据处理 移动互联网 金融 数据分析 SQL 大数据 数据分析 商业 数据分析 增长黑客 BI 数据分析 数据运营 数据分析 电商 本地生活 数据分析 BI 商业 电商 社交 可视化 SQL 数据分析 数据库 电商 数据分析 数据分析 大数据 移动互联网 数据仓库 数据分析 电商 BI SPSS 新零售 数据分析 大数据 数据挖掘 数据分析 数据处理 商业 数据分析 SQL 建模 深度学习 机器学习 数据挖掘 本地生活 BI 数据分析 数据运营 SQL 大数据 BI 数据分析 SPSS 电商 BI 数据分析 数据运营 SQL Hive MySQL 数据分析 数据分析 可视化 增长黑客 数据分析 BI 社交 数据分析 BI 可视化 数据分析 数据运营 电商 移动互联网 数据分析 数据挖掘 电商 数据架构 数据分析 数据处理 大数据 BI 数据分析 大数据 数据分析 MySQL Hadoop 数据仓库 数据分析 数据分析 数据分析 数据分析 SPSS 数据分析 SQL 电商 数据分析 SQLServer Hive SQL 数据分析 数据库 数据分析 数据库 风控 广告营销 数据分析 数字营销 电商 新零售 数据分析 SQL DBA 数据库 移动互联网 大数据 移动互联网 大数据 MySQL 风控 大数据 金融 数据分析 数据分析 数据处理 SQL BI 可视化 数据分析 大数据 移动互联网 数据分析 数据分析 游戏 大数据 数据挖掘 数据分析 信贷风险管理 风控 风险分析 数据分析 移动互联网 SQL BI 可视化 数据分析 大数据 数据挖掘 Hadoop 数据分析 证券/期货 互联网金融 数据分析 金融 大数据 数据仓库 数据分析 数据库开发 移动互联网 MySQL 数据分析 金融 数据挖掘 数据分析 数据挖掘 数据分析 数据处理 旅游 移动互联网 数据分析 消费者分析 市场分析 海外市场 旅游 数据分析 SPSS 数据分析 电商 新零售 hadoop 数据分析 风控 信贷风险管理 大数据 数据分析 大数据 银行 MySQL 数据分析 SQLServer 数据分析 数据分析 移动互联网 MySQL 数据分析 电商 大数据 移动互联网 商业 数据分析 增长黑客 可视化 SQL 数据分析 电商 SQL 商业 数据分析 可视化 数据分析 数据分析 银行 数据挖掘 数据分析 数据分析 数据运营 数据库 SQL 大数据 数据分析 大数据 商业 数据分析 SPSS BI 数据分析 数据库 DBA 电商 数据分析 数据运营 大数据 数据分析 数据分析 移动互联网 数据分析 BI 商业 SQL 数据分析 数据分析 可视化 SQL 数据分析 SQLServer 数据处理 大数据 金融 数据分析 数据分析 Hive MySQL 数据分析 数据库 数据分析 SQL 数据分析 电商 新零售 数据分析 数据运营 SQL 电商 数据分析 其他 数据分析 新零售 电商 数据分析 MySQL 数据仓库 数据分析 社交 大数据 媒体 数据挖掘 数据分析 电商 SQL 数据分析 可视化 HR 薪酬福利 人力资源 数据分析 数据分析 移动互联网 数据分析 数据分析 SPSS 大数据 旅游 数据分析 SQL 汽车 金融 数据分析 数据分析 SQL 数据分析 数据分析 市场分析 市场竞争分析 行业分析 互联网金融 数据分析 数据分析 电商 电商 BI 可视化 数据分析 SQL 本地生活 汽车 数据分析 SQL 商业 移动互联网 数据分析 数据运营 游戏 大数据 数据分析 BI 数据分析 数据分析 数据分析 游戏 数据分析 商业 电商 移动互联网 数据分析 BI 增长黑客(GrowthHacking) 大数据 数据运营 大数据 数据分析 SPSS 数据分析 广告创意 广告协调 数据分析 SPSS 大数据 保险 金融 移动互联网 大数据 数据分析 数据运营 电商 商业 数据运营 数据分析 SQL 物流 大数据 可视化 增长黑客 数据运营 数据库 医疗健康 移动互联网 新零售 本地生活 BI 数据分析 数据分析 增长黑客 BI 可视化 大数据 金融 数据分析 数据分析 游戏 数据分析 SPSS 大数据 数据挖掘 数据分析 风控 风险管理 风险评估 游戏 MySQL 数据处理 数据分析 电商 直播 数据分析 数据分析 银行 SQL 数据库 数据分析 数据分析 数据挖掘 游戏 BI 数据分析 电商 分析 数据分析 数据运营 Oracle SQLServer 数据分析 数据分析 电商 移动互联网 数据运营 SQLServer 移动互联网 风控 新零售 电商 可视化 数据分析 数据分析 商业 教育 大数据 移动互联网 数据分析 数据库 SQL 数据分析 市场 广告营销 新零售 SQL 数据分析 可视化 商业 风控 策略设计 数据分析 电商 大数据 数据分析 运营 数据分析 金融 算法 数据挖掘 数据分析 大数据 数据分析 数据挖掘 教育 数据分析 SPSS 数据分析 商业 数据分析 数据运营 SQL 数据挖掘 数据分析 SQL 教育 大数据 数据挖掘 数据分析 大数据 数据挖掘 数据分析 工具软件 数据运营 SQL BI 可视化 股票期权 年底双薪 带薪年假 弹性工作 电商 运营 银行 数据分析 商业 BI 可视化 数据分析 视频 产品策划 智能硬件 数据分析 BI 数据分析 大数据 MySQL Oracle 数据分析 新零售 大数据 数据分析 大数据 金融 大数据 金融 数据挖掘 数据分析 大数据 房产服务 企业服务 BI 可视化 数据库 大数据 数据分析 数据库 BI 大数据 移动互联网 大数据 广告营销 汽车 营销 数据分析 行业分析 市场分析 SQL 数据库 数据运营 数据分析 SQLServer 数据分析 数据挖掘 大数据 数据挖掘 数据分析 大数据 新零售 数据运营 数据分析 增长黑客 大数据 工具软件 移动互联网 SQLServer 数据处理 大数据 数据挖掘 数据分析 数据分析 大数据 算法 数据挖掘 数据分析 电商 SQLServer 数据分析 医疗健康 数据分析 BI 教育 数据分析 游戏 数据分析 SQL 数据库 数据分析 SQL Hive Flink Spark Hadoop 数据分析 数据分析 数据库开发 数据分析 市场分析 营销策略 运营 SEM SEO 数据分析 地图 分类信息 运营 大数据 企业服务 SQLServer 数据处理 数据分析 新零售 数据分析 电商 新零售 SQL 数据库 数据分析 可视化 大数据 互联网金融 数据分析 SQL 人力资源 电商 数据分析 数据运营 可视化 BI 教育 数据分析 数据运营 数据分析 游戏 SQL 数据库 广告营销 数据分析 数据运营 SQL 数据分析 大数据 其他 SQL 数据库 电商 移动互联网 数据分析 算法 数据架构 数据处理 移动互联网 教育 BI SQL 游戏 数据分析 数据运营 银行 数据分析 BI 数据库 移动互联网 数据分析 BI 数据运营 大数据 数据分析 大数据 金融 云计算 大数据 SPSS 数据运营 数据分析 一手内推信息 猎头专业服务 名企保面试 精准高效对接 教育 移动互联网 SQL SPSS 新零售 大数据 商业 大数据 金融 电商 运营 金融 银行 ETL 数据处理 大数据 互联网金融 互联网金融 数据分析 数据挖掘 互联网金融 风控 分析师 电商 数据分析 数据分析 数据运营 保险 大数据 Java 数据挖掘 数据处理 SQL 数据库 数据分析 移动互联网 Hive SQLServer 数据架构 数据分析 SQL 数据挖掘 数据分析 数据分析 通信/网络设备 电商 零食水果供应 带薪年假 绩效奖金 扁平管理 数据分析 SQL 数据库 电商 MySQL 数据分析 数据挖掘 数据处理 数据分析 金融 数据分析 SQL BI SQL 数据分析 数据运营 金融 数据分析 SQL 商业 数据仓库 数据分析 数据处理 借贷 数据分析 数据运营 SPSS SQL 电商 大数据 大数据 企业服务 BI 数据分析 SPSS SQL BI 数据分析 大数据 数据挖掘 数据分析 移动互联网 金融 风控 通信/网络设备 移动互联网 数据分析 数据库 商业 SQL 大数据 工具软件 BI SQL 数据库 数据分析 数据分析 数据库开发 Hadoop 数据挖掘 大数据 Hive 数据分析 数据挖掘 金融 大数据 风控 策略设计 分析师 SPSS 数据库 SQL 电商 数据分析 SQL ETL Hadoop 数据库开发 MySQL 数据分析 大数据 大数据 商业 BI 可视化 数据分析 数据分析 可视化 商业 数据分析 金融 数据分析 电商 广告营销 数据挖掘 数据分析 通信/网络设备 大数据 数据分析 数据 电商 金融 数据挖掘 大数据 游戏 大数据 BI 数据运营 SQL 可视化 数据分析 数据挖掘 数据分析 数据分析 电商 房产服务 BI 可视化 数据分析 医疗健康 体育 BI 数据分析 数据运营 SQL 大数据 数据处理 数据分析 数据架构 MySQL 数据分析 分析师 电商 数据分析 大数据 金融 数据分析 大数据 数据分析 数据分析 营销管理 BI 数据分析 可视化 大数据 数据分析 SPSS 视频 商业 数据分析 SQL 移动互联网 大数据 SQL 数据分析 数据运营 数据分析 SPSS SQL 可视化 金融 大数据 互联网金融 风控 策略设计 分析师 企业服务 广告营销 可视化 数据分析 数据运营 MySQL 大数据 BI 数据分析 投资/融资 数据分析 数据分析 大数据 数据分析 数据分析 大数据 数据挖掘 数据分析 运营 广告营销 游戏 数据分析 人工智能 机器学习 算法 数据挖掘 移动互联网 云计算 数据分析 电商 金融 算法 数据挖掘 数据分析 数据分析 新零售 本地生活 商业 数据分析 数据库 SQL 数据分析 数据分析 BI 商业 数据分析 移动互联网 游戏 SQL 信息安全 支付 数据挖掘 数据分析 教育 数据分析 数据运营 数据分析 节日礼物 技能培训 绩效奖金 岗位晋升 SQLServer 数据分析 数据处理 电商 大数据 数据处理 数据分析 电商 MySQL 数据仓库 数据分析 数据库开发 数据分析 大数据 云计算 数据分析 数据库 BI SQL 大数据 基金 BI 数据分析 DBA SQL 大数据 数据分析 产品经理 大数据 其他 数据分析 SQLServer Spark Hadoop 算法 视频 直播 新零售 数据分析 核查 互联网金融 借贷 SQL 数据挖掘 数据仓库 数据分析 Oracle 电商 移动互联网 数据分析 电商 数据分析 数据挖掘 搜索 数据分析 电商 数据分析 数据运营 保险 互联网金融 数据分析 云计算 数据运营 数据分析 数据分析 移动互联网 电商 数据分析 数据运营 数据分析 数据运营 SQL 用户研究 商业产品 大数据 银行 风控 大数据 云计算 数据分析 大数据 电商 数据分析 SQL 数据分析 电商运营 SPSS SQL 可视化 数据分析 大数据 金融 数据挖掘 数据分析 教育 移动互联网 商业 增长黑客 数据分析 数据运营 数据分析 Hadoop Spark 数据挖掘 产品 移动互联网 证券/期货 数据分析 BI 移动互联网 数据分析 电商 旅游 大数据 MySQL 游戏 大数据 新零售 电商 商业 BI 可视化 SQL 数据分析 MySQL Spark Hive 数据处理 Hadoop NLP Redis MongoDB 电商 数据分析 Hadoop Spark Scala 数据分析 电商运营 电商 数据分析 大数据 数据分析 数据运营 增长黑客 大数据 数据挖掘 数据分析 金融 风控 分析师 策略设计 大数据 数据分析 SQL 数据分析 SPSS 五险一金 两餐补助 超低息员工贷 年底奖金 其他 数据分析 移动互联网 数据分析 Spark Hadoop 大数据 移动互联网 商业 数据分析 数据挖掘 数据分析 数据仓库 MySQL 大数据 数据分析 数据处理 数据仓库 数据分析 数据压缩 MongoDB 大数据 数据挖掘 数据分析 数据分析 电商 数据分析 数据仓库 数据分析 数据分析 Hive SQL 数据分析 BI 数据分析 数据运营 SQL MySQL Hadoop 数据分析 电商 BI 数据分析 大数据 数据分析 数据处理 数据架构 MySQL 可视化 数据分析 数据处理 SQLServer 大数据 Python 数据库 Hadoop Spark 数据分析 SPSS SQL 数据库 移动互联网 数据分析 数据分析 大数据 数据分析 BI 金融 互联网金融 运营 产品运营 数据分析 大数据 金融 可视化 数据分析 大数据 互联网金融 风险分析 信贷风险管理 数据分析 互联网金融 风控 风控 策略设计 企业服务 MySQL 数据分析 数据处理 ETL 后端 数据分析 大数据 Java 数据挖掘 算法 机器学习 其他 产品设计 产品策划 其他 通信/网络设备 数据分析 企业服务 移动互联网 大数据 移动互联网 数据挖掘 数据分析 BI 数据分析 数据运营 SQL 电商 视频 移动互联网 大数据 Java 数据分析 滴滴 数据分析 广告营销 数据分析 MySQL 产品设计 需求分析 数据分析 数据挖掘 MySQL 数据分析 数据挖掘 算法 数据挖掘 数据分析 数据分析 Python MySQL 数据库 数据分析 Hadoop 移动互联网 数据挖掘 数据分析 算法 产品策划 数据分析 用户增长 产品策划 数据分析 数据仓库 数据挖掘 数据分析 数据仓库 数据挖掘 Hive MySQL 算法 数据仓库 大数据 数据库 数据分析 SQL BI 电商 大数据 数据分析 电商 数据分析 SQLServer 大数据 数据分析 其他 大数据 SPSS 数据分析 SQL 大数据 数据分析 SQL 数据库 可视化 新零售 BI 可视化 数据分析 移动互联网 大数据 数据分析 数据运营 商业 数据分析 SQLServer 数据分析 数据挖掘 ETL 大数据 互联网金融 运营 数据分析 产品运营 效果跟踪 电商 信息安全 数据分析 数据运营 数据分析 风控 视频 直播 数据分析 数据运营 可视化 电商 数据分析 数据运营 大数据 数据分析 电商 算法 数据挖掘 数据分析 数据处理 可视化 数据库 数据分析 数据分析 数据运营 数据分析 大数据 企业服务 SQL SPSS SQL 数据分析 大数据 物流 移动互联网 数据分析 数据处理 数据挖掘 数据分析 数据运营 分析 新零售 电商 数据分析 数据挖掘 数据仓库 电商 数据分析 移动互联网 数据分析 移动互联网 教育 数据分析 SQL 数据库 信息安全 大数据 数据分析 SQL SPSS 数据库 电商 可视化 BI 数据分析 数据运营 数据分析 大数据 BI 可视化 数据分析 本地生活 数据分析 数据处理 数据分析 移动互联网 SQLServer 数据仓库 数据分析 数据挖掘 SQLServer MySQL 数据仓库 数据分析 数据挖掘 数据分析 数据分析 大数据 数据挖掘 数据分析 电商 数据分析 数据分析 数据运营 策略运营 数据分析 大数据 项目管理 大数据 产品设计 需求分析 数据分析 项目管理 视频 SPSS 数据分析 SQL 大数据 数据挖掘 数据分析 数据分析 数据运营 数据运营 数据分析 信息安全 数据分析 证券/期货 MySQL Oracle Java SQLServer 大数据 广告营销 数据分析 数据运营 数据分析 大数据 移动互联网 可视化 数据分析 商业 移动互联网 数据分析 行业分析 市场竞争分析 广告营销 技术支持 直播 数据分析 游戏 数据分析 数据库 数据分析 数据挖掘 MySQL SQL BI 数据库 数据分析 MySQL 数据分析 Java Scala 数据分析 大数据 征信 互联网金融 数据分析 数据库 数据分析 数据库 本地生活 大数据 数据分析 数据挖掘 大数据 Java NLP 运营 数据分析 物流 医疗健康 数据挖掘 数据分析 数据仓库 算法 大数据 扁平管理 弹性工作 大厨定制三餐 就近租房补贴 交通补助 弹性工作 帅哥多 领导好 大数据 移动互联网 数据挖掘 数据分析 大数据 数据分析 SPSS 数据分析 数据分析 SPSS SQL 数据分析 信息安全 大数据 Hadoop Spark 数据分析 数据挖掘 大数据 移动互联网 数据分析 内容 数据分析 数据运营 教育 数据挖掘 数据分析 数据分析 通信/网络设备 移动互联网 SPSS 数据分析 BI SPSS 数据分析 证券 股票 证券分析 工具软件 移动互联网 数据挖掘 数据架构 数据仓库 算法 数据分析 SQL 分类信息 大数据 数据挖掘 数据架构 数据仓库 数据分析'
L = ['数据库', 'SQL', 'Oracle', 'MongoDB', 'Python', '数据挖掘', '机器学习', '算法', 'BI', 'SPSS', 'Hive' ]
print(L)
['数据库', 'SQL', 'Oracle', 'MongoDB', 'Python', '数据挖掘', '机器学习', '算法', 'BI', 'SPSS', 'Hive']
L2 = []
for i in L:
L2.append((i, s.count(i)))
a = pd.DataFrame(L2)
a
0 | 1 | |
---|---|---|
0 | 数据库 | 132 |
1 | SQL | 387 |
2 | Oracle | 13 |
3 | MongoDB | 2 |
4 | Python | 2 |
5 | 数据挖掘 | 158 |
6 | 机器学习 | 5 |
7 | 算法 | 40 |
8 | BI | 153 |
9 | SPSS | 84 |
10 | Hive | 39 |
# 数据库
a[0:4].loc[:, 1].sum()
534
# python
a[4:8].loc[:, 1].sum()
205
# BI
a[8:9]
0 | 1 | |
---|---|---|
8 | BI | 153 |
# spss
a[9:10]
0 | 1 | |
---|---|---|
9 | SPSS | 84 |
# Hive
a[10:]
0 | 1 | |
---|---|---|
10 | Hive | 39 |
a = pd.Series([534, 205, 153, 84, 39], ['数据库', 'Python', 'BI', 'SPSS', 'Hive'])
a
数据库 534 Python 205 BI 153 SPSS 84 Hive 39 dtype: int64
# 导入饼图类
from pyecharts.charts import Pie
def pie(a):
# 实例化饼图对象
pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
pie.add(series_name = "数据分析各技能占比",
data_pair = list(zip(a.index, a.values.tolist())))
# 全局配置项
pie.set_global_opts(title_opts= opts.TitleOpts(title = "数据分析各技能占比"),
# 使得图例垂直
legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"))
# 系列配置项
# 系列配置项下的标签配置项
pie.set_series_opts(label_opts= opts.LabelOpts(is_show = True,
# formatter="{a}{b}{c}{d}"对应显示
#{a}(系列名称),{b}(数据项名称),{c}(数值), {d}(百分比)
formatter="{b}:{c} \n{d}%"
),
position='right')
return pie.render_notebook()
pie(a)
a = df.岗位技能.str.split()
a
0 [数据分析, SPSS, SQL] 1 [数据分析] 2 [数据分析, MySQL, Hive] 3 [数据运营, SPSS, SQL] 4 [游戏, 社交, SQL, 数据分析, 商业] ... 1669 [BI, SPSS, 数据分析] 1670 [证券, 股票, 证券分析] 1671 [工具软件, 移动互联网, 数据挖掘, 数据架构, 数据仓库, 算法] 1672 [数据分析, SQL] 1673 [分类信息, 大数据, 数据挖掘, 数据架构, 数据仓库, 数据分析] Name: 岗位技能, Length: 1590, dtype: object
L = []
for i in a:
L += i
s = ' '.join(L)
s = s.split()
s
['数据分析', 'SPSS', 'SQL', '数据分析', '数据分析', 'MySQL', 'Hive', '数据运营', 'SPSS', 'SQL', '游戏', '社交', 'SQL', '数据分析', '商业', '数据分析', '数据运营', 'SQL', '电商', '新零售', 'Hive', 'MySQL', '数据处理', '数据分析', '电商', '广告营销', '增长黑客', 'SQL', '商业', '数据分析', '数据运营', '数据分析', '教育', '运营', '数据分析', '效果跟踪', 'MySQL', 'SQLServer', '数据分析', '云计算', '大数据', '数据分析', 'SPSS', 'SQL', '数据分析', '电商', '新零售', '运营', '产品运营', '用户运营', '电商运营', '移动互联网', '需求分析', '数据分析', '数据分析', '教育', '数据分析', '数据分析', '数据分析', '算法', '数据挖掘', '大数据', '商业', '数据分析', '云计算', '大数据', '数据分析', '数据库', '数据分析', '数据分析', '数据分析', '数据运营', 'SQL', 'BI', 'BI', '数据分析', '电商', '产品设计', '产品策划', '需求分析', '数据分析', '移动互联网', '数据分析', '数据分析', '移动互联网', '数据分析', '行业分析', '数据分析', '企业服务', '房产服务', 'BI', '数据库', '数据分析', '数据运营', 'SQL', 'BI', '商业', 'MySQL', '数据分析', '电商', '汽车', '商业', 'SQL', 'SPSS', '数据分析', '数据分析', 'MySQL', 'SQLServer', '大数据', '数据分析', '商业', '数据分析', 'SPSS', 'SQL', '商业', 'SQL', '数据分析', '数据分析', '大数据', '金融', '数据分析', '商业', '数据分析', '游戏', '数据分析', '商业', '可视化', '数据分析', '金融', 'SQL', '数据库', '数据分析', '数据运营', '互联网金融', '数据分析', 'SQL', '教育', '移动互联网', '数据分析', '用户增长', '电商', 'SQL', '数据分析', 'BI', 'SQL', '数据分析', '商业', '社交', '移动互联网', '数据分析', '策略', '用户研究', '教育', 'SQL', 'ETL', '数据仓库', '数据分析', 'SQLServer', '移动互联网', '增长黑客', '数据分析', '商业', '数据运营', '移动互联网', '可视化', '数据运营', 'SPSS', 'SQL', '直播', '数据库', 'SQL', '大数据', '数据分析', '数据分析', 'SQL', '移动互联网', '教育', '数据分析', '大数据', '金融', 'Hadoop', '算法', '数据挖掘', '数据分析', 'SQL', 'SPSS', '电商', '新零售', '数据分析', '数据运营', '数据分析', '数据库', 'SQL', '可视化', '本地生活', '数据分析', '数据运营', 'SQL', 'BI', '可视化', '数据分析', '商业', 'SQL', '数据分析', '数据分析', 'SQL', '视频', '工具软件', '数据分析', '数据运营', 'SQL', '商业', '大数据', '数据挖掘', '数据分析', '教育', '移动互联网', '数据分析', 'BI', '可视化', 'SQL', '数据库', 'SQL', '数据分析', 'BI', 'SQL', '数据库', '大数据', '数据挖掘', '数据分析', '项目管理', '数据分析', '大数据', '征信', '数据分析', '新零售', '数据分析', '汽车', '大数据', '数据挖掘', '数据分析', '教育', 'BI', '数据分析', '电商', '新零售', '数据仓库', '数据分析', '数据处理', '数据分析', 'BI', '增长黑客', '数据分析', 'SQL', '数据库', '数据分析', 'SQL', 'BI', '可视化', '数据分析', 'BI', 'SQL', '数据库', '医疗健康', '大数据', '互联网金融', 'MySQL', '数据分析', '数据分析', '数据挖掘', '算法', '数据分析', 'SQL', '数据库', '移动互联网', 'BI', 'SQL', '数据库', '数据分析', '移动互联网', '数据分析', '广告营销', '移动互联网', '数据分析', 'SQL', '运营', 'BI', '数据分析', '金融', '移动互联网', 'SPSS', '数据分析', 'SQL', '商业', '大数据', '数据分析', 'BI', '数据分析', 'SQL', '算法', '搜索', '数据挖掘', '数据分析', '旅游', '数据分析', 'SPSS', '商业', 'BI', '数据分析', '数据运营', '大数据', '数据分析', '数据分析', '数据挖掘', '数据分析', '商业', 'BI', '数据分析', '数据挖掘', '数据分析', '数据挖掘', '数据仓库', '大数据', '数据分析', 'SPSS', '数据分析', '数据分析', 'SQL', '金融', '数据分析', '移动互联网', '电商', '旅游', 'BI', '产品经理', '数据分析', '汽车', '数据分析', '电商', '商业', 'BI', 'BI', 'SQL', 'SPSS', '商业', '数据分析', '数据库', 'SQL', '可视化', '数据分析', '增长黑客', '视频', '直播', '数据分析', '数据分析', '数据分析', 'SQL', '数据分析', '数据运营', 'MySQL', 'Scala', '数据分析', '金融', '大数据', '数据挖掘', 'BI', '数据分析', '数据分析', '分析师', '互联网金融', 'MySQL', '教育', '决策能力', '业务流程管理', '数据分析', '移动互联网', '金融', '数据分析', '数据运营', 'SQL', '互联网金融', '银行', '节日礼物', '技能培训', '年度旅游', '岗位晋升', '数据分析', '互联网金融', '数据分析', '数据分析', '数据分析', '数据分析', 'SQL', '商业', '数据库', '产品', '大数据', 'SQL', '数据分析', '商业', '大数据', 'SQLServer', 'Hive', '数据分析', '商业', '可视化', '数据分析', '数据分析', '房产服务', 'BI', '数据分析', '商业', '移动互联网', '数据分析', '企业服务', '移动互联网', '数据分析', '数据运营', '数据库', 'SQL', '数据分析', 'SQL', '数据库', '金融', 'NLP', '算法', '数据分析', '医疗健康', '大数据', '数据分析', 'BI', '数据运营', '数据库', '电商', '大数据', '数据分析', 'SPSS', '数据分析', 'SPSS', 'BI', '可视化', '数据分析', '移动互联网', 'SQL', '可视化', '数据分析', '数据分析', '数据分析', '增长黑客', '数据分析', '数据运营', '商业', '数据分析', 'MySQL', '教育', '算法', '数据挖掘', '数据分析', 'ETL', 'MySQL', '数据分析', '数据处理', '互联网金融', '数据分析', '数据分析', '商业', '数据分析', 'SPSS', 'SQL', '广告营销', '大数据', '商业', '数据分析', 'SPSS', '数据分析', '数据分析', 'SQL', '数据库', '数据分析', '数据分析', '数据分析', '互联网金融', '借贷', '数据分析', '数据运营', '电商', '商业', 'BI', '数据分析', 'SQL', '数据分析', '教育', '数据分析', 'SQL', '大数据', '商业', 'BI', '可视化', '数据分析', '大数据', '金融', 'SQL', '数据分析', '大数据', '数据分析', '可视化', 'BI', '商业', '数据分析', '互联网金融', '借贷', '数据分析', '数据运营', '数据运营', '增长黑客', '数据分析', 'Hive', 'MySQL', 'Oracle', '电商', '数据', '大数据', '数据运营', '电商', 'SQL', '互联网金融', 'Oracle', '数据分析', 'Hive', '游戏', '数据分析', '数据运营', '大数据', '数据分析', '互联网金融', '借贷', '数据分析', 'MySQL', 'Spark', '电商', 'SQL', '数据分析', '数据运营', '数据库', '后端', '音频处理', '软件开发', '滴滴', '本地生活', '移动互联网', 'BI', '数据分析', '数据运营', '大数据', '金融', '数据挖掘', '数据分析', '数据分析', '数据分析', '数据分析', 'SQL', '互联网金融', '理财', 'BI', '数据分析', '数据库', '大数据', '金融', 'BI', '数据分析', '电商', '数据分析', 'BI', 'SQL', '数据库', 'BI', '数据分析', '数据分析', '风控', '分析师', '数据分析', 'SQL', '数据分析', '数据分析', '大数据', '数据分析', 'SQL', '移动互联网', '企业服务', '数据分析', '数据运营', 'SQL', '数据库', '数据分析', 'hadoop', '大数据', '数据挖掘', '数据分析', '数据分析', '金融', '数据分析', '数据运营', '医疗健康', '大数据', '数据分析', 'BI', '移动互联网', '数据分析', 'SQL', '大数据', '数据分析', '数据分析', '移动互联网', '数据分析', 'Hive', '数据处理', '数据挖掘', '电商', '数据分析', '数据分析', '数据处理', '移动互联网', '数据分析', '数据运营', '数据挖掘', '数据分析', 'Spark', '电商', '数据分析', 'SPSS', 'BI', 'SQL', '产品经理', '大数据', '数据挖掘', '数据分析', '金融', '数据挖掘', '数据分析', 'Hive', '数据分析', '数据分析', '数据运营', '数据库', 'BI', '数据分析', 'SQL', '数据库', '数据分析', '大数据', '旅游', '数据挖掘', '数据分析', '数据处理', '算法', 'SQL', '增长黑客', '数据分析', '大数据', '数据分析', '数据分析', '数据运营', 'SQL', '数据库', '电商', '数据分析', '数据分析', '教育', '产品', 'SQL', 'SPSS', 'SQL', 'SPSS', '数据运营', '数据分析', '大数据', '房产服务', '数据分析', 'MySQL', '数据分析', '数据分析', '互联网金融', '数据分析', '数据分析', '数据挖掘', 'SQL', '商业', '借贷', '数据分析', '数据处理', '数据分析', 'MySQL', 'SQLServer', '滴滴', '教育', 'BI', 'SQL', '商业', '数据运营', '数据分析', '移动互联网', '视频', '数据分析', '数据分析', '数据架构', '数据挖掘', '数据分析', 'SQL', '电商', '新零售', 'SQL', '数据分析', '数据运营', '大数据', '旅游', '数据仓库', '数据分析', '数据处理', 'Hive', '互联网金融', '电商', 'Hive', 'Hadoop', '数据分析', '医疗健康', '移动互联网', '数据分析', 'SQLServer', '借贷', '数据分析', 'SQL', '数据库', '运营', 'APP推广', '大数据', '数据分析', '数据分析', 'MySQL', 'Hive', '数据分析', 'SQL', '教育', '移动互联网', '数据分析', '商业', 'BI', '数据运营', '大数据', '金融', '数据分析', '数据运营', 'SQL', '数据分析', '新零售', '汽车', 'BI', '可视化', '数据分析', 'SQL', '行业研究', '分析师', '游戏', '大数据', '数据分析', '数据分析', '效果跟踪', '新媒体运营', '数据分析', '电商', '数据分析', '数据分析', '保险', 'Hadoop', 'ETL', 'Hive', '数据分析', '数据分析', '金融', '数据分析', '数据处理', '数据分析', '算法', '电商', '数据分析', 'SPSS', '电商', '可视化', '商业', '数据分析', 'BI', '产品', '数据分析', '滴滴', '数据分析', '教育', '数据分析', 'SPSS', 'SQL', '大数据', '移动互联网', '市场分析', '数据分析', '行业分析', '市场', '数据分析', '电商', '移动互联网', '可视化', '数据分析', '数据运营', '增长黑客', '数据分析', '数据运营', 'SQL', '数据库', '数据分析', 'BI', '数据分析', '大数据', '数据分析', '电商', 'ETL', '数据分析', '地图', '大数据', '审核', '大数据', '教育', '滴滴', '数据挖掘', '数据仓库', '数据分析', 'Hadoop', 'BI', '可视化', '数据分析', '数据运营', '数据分析', '大数据', '数据分析', '数据库', '增长黑客', '商业', '数据运营', '数据分析', '商业', 'BI', '数据分析', 'SQL', '大数据', '数据挖掘', '数据分析', '可视化', '数据分析', 'SPSS', '数据库', '大数据', '汽车', 'Java', '数据挖掘', '数据处理', '算法', '产品', '滴滴', '电商', 'SQL', '数据分析', '本地生活', '房产服务', '数据库', 'SQL', '数据分析', '大数据', '商业', '数据分析', '游戏', '数据分析', '数据运营', '汽车', '地图', '电商', '商业', '教育', 'MySQL', '数据分析', '数据分析', '电商', 'SQLServer', '数据分析', '数据分析', '游戏', '数据分析', '数据分析', '汽车', 'Hive', '数据分析', '数据分析', '数据分析', '数据', '互联网金融', '保险', '数据分析', 'BI', 'SPSS', 'SQL', '游戏', 'BI', '数据分析', '商业', 'SQL', '金融', '数据分析', '数据分析', '数据运营', '大数据', '医疗健康', '数据分析', 'SQL', '广告营销', '数据分析', '数据挖掘', '数据分析', 'Spark', 'Hadoop', 'Hive', '数据分析', 'SQL', '分析', '财务', '游戏', '移动互联网', 'BI', 'SQL', '数据分析', 'SPSS', '数据分析', '社交', '移动互联网', 'SQL', '商业', '数据分析', '增长黑客(GrowthHacking)', '汽车', '新零售', '数据运营', 'SQL', '数据分析', '商业', '大数据', '数据挖掘', '数据分析', '数据分析', '电商', '本地生活', '商业', 'BI', '可视化', '互联网金融', '移动互联网', '房产服务', '数据分析', 'MySQL', '数据挖掘', '数据分析', '电商', '数据分析', '数据运营', '可视化', '视频', '移动互联网', '商业', '数据分析', '数据运营', 'SQL', '审核', '数据分析', '滴滴', '直播', '社交', '数据分析', '互联网金融', '借贷', 'SQL', '可视化', '数据分析', 'SPSS', '数据挖掘', '算法', '数据挖掘', '数据分析', '数据运营', '新零售', '汽车', '可视化', 'SPSS', 'SQL', '数据分析', '数据分析', 'SQL', '商业', ...]
# 删除里面的 数据分析 数据 分析
s = [i for i in s if i not in ['数据分析', '数据', '分析']]
s = ' '.join(s)
s
'SPSS SQL MySQL Hive 数据运营 SPSS SQL 游戏 社交 SQL 商业 数据运营 SQL 电商 新零售 Hive MySQL 数据处理 电商 广告营销 增长黑客 SQL 商业 数据运营 教育 运营 效果跟踪 MySQL SQLServer 云计算 大数据 SPSS SQL 电商 新零售 运营 产品运营 用户运营 电商运营 移动互联网 需求分析 教育 算法 数据挖掘 大数据 商业 云计算 大数据 数据库 数据运营 SQL BI BI 电商 产品设计 产品策划 需求分析 移动互联网 移动互联网 行业分析 企业服务 房产服务 BI 数据库 数据运营 SQL BI 商业 MySQL 电商 汽车 商业 SQL SPSS MySQL SQLServer 大数据 商业 SPSS SQL 商业 SQL 大数据 金融 商业 游戏 商业 可视化 金融 SQL 数据库 数据运营 互联网金融 SQL 教育 移动互联网 用户增长 电商 SQL BI SQL 商业 社交 移动互联网 策略 用户研究 教育 SQL ETL 数据仓库 SQLServer 移动互联网 增长黑客 商业 数据运营 移动互联网 可视化 数据运营 SPSS SQL 直播 数据库 SQL 大数据 SQL 移动互联网 教育 大数据 金融 Hadoop 算法 数据挖掘 SQL SPSS 电商 新零售 数据运营 数据库 SQL 可视化 本地生活 数据运营 SQL BI 可视化 商业 SQL SQL 视频 工具软件 数据运营 SQL 商业 大数据 数据挖掘 教育 移动互联网 BI 可视化 SQL 数据库 SQL BI SQL 数据库 大数据 数据挖掘 项目管理 大数据 征信 新零售 汽车 大数据 数据挖掘 教育 BI 电商 新零售 数据仓库 数据处理 BI 增长黑客 SQL 数据库 SQL BI 可视化 BI SQL 数据库 医疗健康 大数据 互联网金融 MySQL 数据挖掘 算法 SQL 数据库 移动互联网 BI SQL 数据库 移动互联网 广告营销 移动互联网 SQL 运营 BI 金融 移动互联网 SPSS SQL 商业 大数据 BI SQL 算法 搜索 数据挖掘 旅游 SPSS 商业 BI 数据运营 大数据 数据挖掘 商业 BI 数据挖掘 数据挖掘 数据仓库 大数据 SPSS SQL 金融 移动互联网 电商 旅游 BI 产品经理 汽车 电商 商业 BI BI SQL SPSS 商业 数据库 SQL 可视化 增长黑客 视频 直播 SQL 数据运营 MySQL Scala 金融 大数据 数据挖掘 BI 分析师 互联网金融 MySQL 教育 决策能力 业务流程管理 移动互联网 金融 数据运营 SQL 互联网金融 银行 节日礼物 技能培训 年度旅游 岗位晋升 互联网金融 SQL 商业 数据库 产品 大数据 SQL 商业 大数据 SQLServer Hive 商业 可视化 房产服务 BI 商业 移动互联网 企业服务 移动互联网 数据运营 数据库 SQL SQL 数据库 金融 NLP 算法 医疗健康 大数据 BI 数据运营 数据库 电商 大数据 SPSS SPSS BI 可视化 移动互联网 SQL 可视化 增长黑客 数据运营 商业 MySQL 教育 算法 数据挖掘 ETL MySQL 数据处理 互联网金融 商业 SPSS SQL 广告营销 大数据 商业 SPSS SQL 数据库 互联网金融 借贷 数据运营 电商 商业 BI SQL 教育 SQL 大数据 商业 BI 可视化 大数据 金融 SQL 大数据 可视化 BI 商业 互联网金融 借贷 数据运营 数据运营 增长黑客 Hive MySQL Oracle 电商 大数据 数据运营 电商 SQL 互联网金融 Oracle Hive 游戏 数据运营 大数据 互联网金融 借贷 MySQL Spark 电商 SQL 数据运营 数据库 后端 音频处理 软件开发 滴滴 本地生活 移动互联网 BI 数据运营 大数据 金融 数据挖掘 SQL 互联网金融 理财 BI 数据库 大数据 金融 BI 电商 BI SQL 数据库 BI 风控 分析师 SQL 大数据 SQL 移动互联网 企业服务 数据运营 SQL 数据库 hadoop 大数据 数据挖掘 金融 数据运营 医疗健康 大数据 BI 移动互联网 SQL 大数据 移动互联网 Hive 数据处理 数据挖掘 电商 数据处理 移动互联网 数据运营 数据挖掘 Spark 电商 SPSS BI SQL 产品经理 大数据 数据挖掘 金融 数据挖掘 Hive 数据运营 数据库 BI SQL 数据库 大数据 旅游 数据挖掘 数据处理 算法 SQL 增长黑客 大数据 数据运营 SQL 数据库 电商 教育 产品 SQL SPSS SQL SPSS 数据运营 大数据 房产服务 MySQL 互联网金融 数据挖掘 SQL 商业 借贷 数据处理 MySQL SQLServer 滴滴 教育 BI SQL 商业 数据运营 移动互联网 视频 数据架构 数据挖掘 SQL 电商 新零售 SQL 数据运营 大数据 旅游 数据仓库 数据处理 Hive 互联网金融 电商 Hive Hadoop 医疗健康 移动互联网 SQLServer 借贷 SQL 数据库 运营 APP推广 大数据 MySQL Hive SQL 教育 移动互联网 商业 BI 数据运营 大数据 金融 数据运营 SQL 新零售 汽车 BI 可视化 SQL 行业研究 分析师 游戏 大数据 效果跟踪 新媒体运营 电商 保险 Hadoop ETL Hive 金融 数据处理 算法 电商 SPSS 电商 可视化 商业 BI 产品 滴滴 教育 SPSS SQL 大数据 移动互联网 市场分析 行业分析 市场 电商 移动互联网 可视化 数据运营 增长黑客 数据运营 SQL 数据库 BI 大数据 电商 ETL 地图 大数据 审核 大数据 教育 滴滴 数据挖掘 数据仓库 Hadoop BI 可视化 数据运营 大数据 数据库 增长黑客 商业 数据运营 商业 BI SQL 大数据 数据挖掘 可视化 SPSS 数据库 大数据 汽车 Java 数据挖掘 数据处理 算法 产品 滴滴 电商 SQL 本地生活 房产服务 数据库 SQL 大数据 商业 游戏 数据运营 汽车 地图 电商 商业 教育 MySQL 电商 SQLServer 游戏 汽车 Hive 互联网金融 保险 BI SPSS SQL 游戏 BI 商业 SQL 金融 数据运营 大数据 医疗健康 SQL 广告营销 数据挖掘 Spark Hadoop Hive SQL 财务 游戏 移动互联网 BI SQL SPSS 社交 移动互联网 SQL 商业 增长黑客(GrowthHacking) 汽车 新零售 数据运营 SQL 商业 大数据 数据挖掘 电商 本地生活 商业 BI 可视化 互联网金融 移动互联网 房产服务 MySQL 数据挖掘 电商 数据运营 可视化 视频 移动互联网 商业 数据运营 SQL 审核 滴滴 直播 社交 互联网金融 借贷 SQL 可视化 SPSS 数据挖掘 算法 数据挖掘 数据运营 新零售 汽车 可视化 SPSS SQL SQL 商业 数据运营 市场 大数据 互联网金融 SQL 运营 商业 BI 可视化 SQL 电商 电商 新零售 视频 数据处理 数据架构 数据挖掘 移动互联网 大数据 工具软件 增长黑客(GrowthHacking) 商业 增长黑客 数据运营 数据运营 分类信息 可视化 数据库 SQL 大数据 云计算 数据挖掘 算法 数据处理 SQL 数据库 电商 广告营销 电商 移动互联网 数据挖掘 Hive MySQL 移动互联网 保险 增长黑客 可视化 数据运营 SQL 电商 广告营销 大数据 视频 直播 行业分析 市场分析 市场竞争分析 商业 物流 数据处理 SQLServer 大数据 商业 BI 可视化 电商 移动互联网 SQL 物流 电商 新零售 商业 SQL 电商 新零售 教育 Hadoop MySQL 广告营销 大数据 BI 数据运营 汽车 SPSS SQL 电商 电商 房产服务 BI SQL 广告营销 SQL 审核 市场分析 行业分析 物流 SQLServer 电商 新零售 效果跟踪 免费班车 岗位晋升 五险一金 定期体检 增长黑客 SQL 数据挖掘 数据处理 互联网金融 教育 运营 效果跟踪 大数据 数据挖掘 其他 大数据 银行 数据挖掘 SQLServer 游戏 移动互联网 数据运营 大数据 移动互联网 数据运营 SQL SPSS 大数据 本地生活 移动互联网 医疗健康 物流 企业服务 大数据 算法 数据挖掘 数据架构 大数据 Hadoop 大数据 企业服务 SPSS 数据库 移动互联网 通信/网络设备 移动互联网 大数据 大数据 SQL 市场 数据挖掘 风控 产品 大数据 移动互联网 智能硬件 数据运营 BI 大数据 大数据 银行 数据挖掘 移动互联网 电商 数据运营 可视化 商业 MySQL 游戏 移动互联网 效果跟踪 移动互联网 电商 大数据 算法 数据挖掘 分析师 大数据 金融 数据库 教育 移动互联网 电商 运营 机器学习 数据挖掘 建模 大数据 数据运营 商业 大数据 金融 数据库 数据运营 SPSS SQL 数据库 大数据 信息安全 数据运营 大数据 商业 物流 金融 移动互联网 企业服务 金融 SQL 市场竞争分析 消费者分析 市场分析 数字营销 Oracle MySQL Hadoop 数据架构 大数据 企业服务 大数据 医疗健康 数据库 SQL DBA SQL 游戏运营 游戏运营 电商 物流 MySQL Oracle 数据处理 游戏 数据挖掘 大数据 移动互联网 分析师 互联网金融 大数据 基金 数据运营 电商 大数据 数据运营 SPSS 商业 大数据 金融 商业 可视化 数据运营 数据挖掘 算法 电商 移动互联网 SPSS 大数据 产品设计 产品策划 交互设计 移动互联网 SQL SPSS 数据处理 SQL 电商 数据运营 数据库 SQL 直播 视频 SQL 数据运营 BI Hive 数据挖掘 SQLServer 数据库 数据运营 移动互联网 教育 增长黑客 数据运营 可视化 产品设计 需求分析 数据挖掘 BI 电商 电商 大数据 商业 广告营销 移动互联网 数据运营 新零售 商业 数据运营 数据库 Hadoop 数据处理 MySQL 移动互联网 SQL 数据库 SQL BI SQL 数据库 电商 大数据 MySQL 数据挖掘 DBA 大数据 数据库 广告营销 新零售 物流 移动互联网 数据运营 数据库 电商 大数据 商业 SPSS BI 教育 移动互联网 电商 数据库 数据运营 商业 新零售 大数据 体育 移动互联网 数据运营 数据库 电商 可视化 商业 数据挖掘 数据架构 数据仓库 游戏 广告营销 电商 新零售 SQL 可视化 HR 人力资源 人事 大数据 移动互联网 运营 电商 电商 商业 BI 游戏 市场 广告营销 商业 移动互联网 汽车 运营 用户增长 游戏 产品运营 游戏运营 SQL 数据库 社交 移动互联网 SPSS SQL SQL 电商 大数据 数据挖掘 Hadoop MySQL 大数据 广告营销 SQL 可视化 数据库 医疗健康 大数据 SQLServer 数据处理 媒体 运维 SQL 数据处理 Hive 移动互联网 SQLServer 移动互联网 商业 增长黑客 BI 游戏 移动互联网 数据架构 数据挖掘 MySQL 社交 移动互联网 数据运营 增长黑客 互联网金融 数据挖掘 数据架构 数据处理 社交 大数据 客服 售前 售后 电商 BI Hive 金融 通信/网络设备 移动互联网 游戏 数据运营 医疗健康 移动互联网 可视化 SPSS SQL 移动互联网 移动互联网 电商 数据处理 云计算 大数据 数据挖掘 数据架构 数据仓库 大数据 算法 数据挖掘 电商 数据处理 MySQL 大数据 广告营销 游戏 电商 网店推广 推广 SEO 大数据 云计算 Hive MySQL Oracle SQL 电商 社交 商业 SQL SPSS 电商 BI 可视化 SQL 数据库 运营 策略运营 用户运营 大数据 算法 数据挖掘 BI SQL 大数据 Hive MySQL Oracle SQLServer Hadoop 大数据 广告营销 运营 用户增长 商业 数据运营 SPSS 工具软件 新零售 数据库 大数据 数据挖掘 项目管理 敏捷 解决方案 Hive 电商 可视化 数据运营 数据库 大数据 数据挖掘 移动互联网 游戏 MySQL 数据处理 游戏 数据运营 SPSS 大数据 数据挖掘 电商 大数据 教育 大数据 BI 商业 可视化 SPSS 数据处理 银行 数据挖掘 大数据 大数据 数据挖掘 游戏 移动互联网 SQL 电商 数据运营 游戏 游戏 数据库 SQL 可视化 大数据 企业服务 BI 可视化 数据运营 大数据 云计算 游戏 市场分析 数字营销 电商 大数据 数据运营 SQL 数据库 大数据 移动互联网 商业 SPSS SQL 移动互联网 信息安全 电商 数据运营 大数据 金融 BI 数据库 SQL SPSS 教育 SPSS SQL BI 风控 风险分析 数据库 SQL 大数据 新零售 产品运营 策略运营 数据运营 SQL 数据库 电商 游戏 数据挖掘 算法 数据处理 SQL 数据运营 游戏 数据运营 旅游 工具软件 互联网金融 理财 分析师 行业研究 风控 医疗健康 电商 推广 SEO 网店推广 大数据 市场 电商 大数据 算法 搜索 数据挖掘 PKI 游戏 大数据 游戏 电商 数据运营 SPSS SQL 数据库 SQL SPSS 产品设计 产品策划 需求分析 大数据 电商 数据运营 电商 外汇 理财顾问 汽车 大数据 数据运营 互联网金融 Hadoop 数据仓库 Oracle 游戏运营 产品运营 移动互联网 大数据 电商 财务 大数据 MySQL Oracle 游戏 游戏运营 Java NLP MySQL 工具软件 信息安全 增长黑客 运营 移动互联网 大数据 市场分析 产销协调 广告营销 电商 市场竞争分析 市场分析 消费者分析 营销策略 企业服务 大数据 数据挖掘 算法 数据处理 电商 新零售 市场分析 市场竞争分析 大数据 移动互联网 人工智能 建模 算法 数据挖掘 大数据 移动互联网 BI ETL Hadoop MySQL 电商 SQL 电商 Hive MySQL 电商 数据运营 SPSS 商业 大数据 云计算 电商 金融 SQL SPSS 商业 电商 BI SQL 社交 大数据 数据库 SQL 数据运营 电商 广告营销 移动互联网 工具软件 可视化 数据库 数据运营 电商 移动互联网 行业分析 市场分析 商业策划 商业 大数据 数据挖掘 移动互联网 广告营销 数据库 工具软件 移动互联网 算法 数据挖掘 移动互联网 工具软件 数据运营 数据库 大数据 软件开发 大数据 企业服务 电商 SQL 数据库 电商 直播 网站分析 市场 效果跟踪 商业 BI SQL 数据仓库 数据架构 电商 BI 大数据 BI 数据运营 电商 SQL 电商 大数据 大数据 金融 BI 电商 BI 电商 数据挖掘 保险 互联网金融 数据库 SQL 移动互联网 金融 Hadoop Hive 数据挖掘 分析师 大数据 数据挖掘 信息安全 新零售 电商 商业 运营 游戏 数据挖掘 互联网金融 MySQL Hive 电商 大数据 大数据 数据挖掘 大数据 BI 可视化 大数据 教育 大数据 电商 互联网金融 电商 Hive MySQL 数据架构 电商 广告营销 营销策略 消费者分析 市场分析 移动互联网 MySQL 数据处理 SPSS SQL 数据库 电商 Hive MySQL Spark 数据处理 数据挖掘 电商 数据挖掘 互联网金融 SQL 物流 数据运营 BI 可视化 电商 BI 电商 教育 电商 广告营销 市场分析 消费者分析 营销策略 大数据 电商 MySQL BI BI SQL 数据挖掘 搜索 策略运营 数据挖掘 Java Hive SQLServer 电商 BI 电商 数据挖掘 医疗健康 移动互联网 数据挖掘 数据仓库 MySQL 数据挖掘 大数据 医疗健康 企业服务 电商 大数据 数据处理 算法 电商 行业分析 企业服务 大数据 SQL 数据库 电商 数据处理 MySQL SQLServer 数据挖掘 移动互联网 电商 商业 数据运营 数据库 电商 财务 资产/项目评估 风控 滴滴 电商 用户运营 大数据 医疗健康 SQL SPSS 商业 体育 大数据 效果跟踪 跨境电商 大数据 电商 数据挖掘 数据仓库 数据架构 工具软件 大数据 大数据 金融 电商 数据库 企业服务 可视化 数据库 Hive MySQL 移动互联网 企业服务 大数据 电商 金融 大数据 企业服务 MySQL 电商 移动互联网 电商 电商 医疗健康 商业 可视化 数据运营 电商 新零售 电商 电商 电商 BI SQL 商业 MySQL 支付 MySQL Java 电商 物流 上市 资产管理 尽职调查 游戏 会计 数据仓库 数据库开发 其他 通信/网络设备 电商 新零售 算法 数据挖掘 大数据 信息安全 电商 移动互联网 SQLServer Hive 算法 电商 行业分析 市场分析 数据仓库 数据架构 数据挖掘 电商 SPSS SQL 数据挖掘 大数据 征信 算法 数据挖掘 大数据 信息安全 SQL 电商 大数据 BI 电商 SQLServer MySQL 电商 数据挖掘 数据运营 数据库 SQL 数据库 通信/网络设备 数据挖掘 算法 数据库开发 金融 风控 分析师 跨境电商 移动互联网 大数据 金融 数据挖掘 MySQL 数据库 BI 可视化 MySQL 电商 移动互联网 广告营销 策划 创意 Oracle 数据仓库 数据挖掘 新零售 BI 大数据 数据挖掘 移动互联网 新零售 物流 SQL 物流 数据库 大数据 互联网金融 医疗健康 MySQL Hive SQL 数据运营 大数据 可视化 数据库 SQL 电商 工具软件 SQL 数据处理 SQLServer 数据挖掘 SQL 信息安全 数据库 SQL 互联网金融 移动互联网 SQL 金融 SQL 数据库 可视化 数据库 大数据 移动互联网 SQL 互联网金融 SQL 游戏 SQL SPSS 移动互联网 教育 BI 数据运营 SQL 数据库 年底双薪 绩效奖金 岗位晋升 定期体检 SQL 大数据 电商 企业服务 可视化 SQL 数据运营 新零售 风控 数据运营 BI SQL 数据库 大数据 金融 商业 电商 数据挖掘 数据处理 MySQL 数据运营 移动互联网 商业 数据运营 社交 移动互联网 可视化 SQL BI Java 数据运营 信息安全 机器学习 建模 算法 BI 商业 互联网金融 MySQL 汽车 移动互联网 企业服务 大数据 MySQL 数据挖掘 BI 数据运营 商业 可视化 BI 互联网金融 风控 分析师 信用产品 编辑 大数据 商业 BI 可视化 电商 新零售 BI SQL 数据库 商业 BI 社交 移动互联网 大数据 SQL 互联网金融 数据运营 数据库 SQL 大数据 互联网金融 金融 商业 BI 可视化 移动互联网 本地生活 BI SQL 数据库 内容 大数据 可视化 SPSS 电商 金融 数据挖掘 云计算 大数据 BI SQL 游戏 SQL 电商 数据库 电商 大数据 BI 信息安全 大数据 数据仓库 数据架构 数据挖掘 大数据 征信 SPSS 金融 大数据 BI 可视化 数据库 大数据 医疗健康 MySQL ETL 数据仓库 旅游 大数据 ETL Hive 数据处理 大数据 其他 ETL DB2 电商 移动互联网 BI SQL 年底双薪 节日礼物 技能培训 绩效奖金 电商 大数据 数据运营 数据库 BI 可视化 SQL 游戏 广告营销 企业服务 商业 DBA 教育 移动互联网 数据运营 SQL 大数据 金融 金融 电商 移动互联网 大数据 可视化 数据运营 数据处理 数据库开发 电商 医疗健康 数据运营 电商 SPSS SQL 数据库 其他 金融 保险 SPSS SQL 商业 SPSS 电商 社交 数据处理 SQL 大数据 工具软件 旅游 移动互联网 电商 SQL Spark 互联网金融 互联网金融 SQLServer 数据挖掘 MySQL SPSS SQL 数据库 大数据 BI 移动互联网 数据仓库 数据库开发 大数据 移动互联网 本地生活 数据运营 SQL 数据库 BI 金融 大数据 MySQL SQLServer 数据处理 移动互联网 金融 SQL 大数据 商业 增长黑客 BI 数据运营 电商 本地生活 BI 商业 电商 社交 可视化 SQL 数据库 电商 大数据 移动互联网 数据仓库 电商 BI SPSS 新零售 大数据 数据挖掘 数据处理 商业 SQL 建模 深度学习 机器学习 数据挖掘 本地生活 BI 数据运营 SQL 大数据 BI SPSS 电商 BI 数据运营 SQL Hive MySQL 可视化 增长黑客 BI 社交 BI 可视化 数据运营 电商 移动互联网 数据挖掘 电商 数据架构 数据处理 大数据 BI 大数据 MySQL Hadoop 数据仓库 SPSS SQL 电商 SQLServer Hive SQL 数据库 数据库 风控 广告营销 数字营销 电商 新零售 SQL DBA 数据库 移动互联网 大数据 移动互联网 大数据 MySQL 风控 大数据 金融 数据处理 SQL BI 可视化 大数据 移动互联网 游戏 大数据 数据挖掘 信贷风险管理 风控 风险分析 移动互联网 SQL BI 可视化 大数据 数据挖掘 Hadoop 证券/期货 互联网金融 金融 大数据 数据仓库 数据库开发 移动互联网 MySQL 金融 数据挖掘 数据挖掘 数据处理 旅游 移动互联网 消费者分析 市场分析 海外市场 旅游 SPSS 电商 新零售 hadoop 风控 信贷风险管理 大数据 大数据 银行 MySQL SQLServer 移动互联网 MySQL 电商 大数据 移动互联网 商业 增长黑客 可视化 SQL 电商 SQL 商业 可视化 银行 数据挖掘 数据运营 数据库 SQL 大数据 大数据 商业 SPSS BI 数据库 DBA 电商 数据运营 大数据 移动互联网 BI 商业 SQL 可视化 SQL SQLServer 数据处理 大数据 金融 Hive MySQL 数据库 SQL 电商 新零售 数据运营 SQL 电商 其他 新零售 电商 MySQL 数据仓库 社交 大数据 媒体 数据挖掘 电商 SQL 可视化 HR 薪酬福利 人力资源 移动互联网 SPSS 大数据 旅游 SQL 汽车 金融 SQL 市场分析 市场竞争分析 行业分析 互联网金融 电商 电商 BI 可视化 SQL 本地生活 汽车 SQL 商业 移动互联网 数据运营 游戏 大数据 BI 游戏 商业 电商 移动互联网 BI 增长黑客(GrowthHacking) 大数据 数据运营 大数据 SPSS 广告创意 广告协调 SPSS 大数据 保险 金融 移动互联网 大数据 数据运营 电商 商业 数据运营 SQL 物流 大数据 可视化 增长黑客 数据运营 数据库 医疗健康 移动互联网 新零售 本地生活 BI 增长黑客 BI 可视化 大数据 金融 游戏 SPSS 大数据 数据挖掘 风控 风险管理 风险评估 游戏 MySQL 数据处理 电商 直播 银行 SQL 数据库 数据挖掘 游戏 BI 电商 数据运营 Oracle SQLServer 电商 移动互联网 数据运营 SQLServer 移动互联网 风控 新零售 电商 可视化 商业 教育 大数据 移动互联网 数据库 SQL 市场 广告营销 新零售 SQL 可视化 商业 风控 策略设计 电商 大数据 运营 金融 算法 数据挖掘 大数据 数据挖掘 教育 SPSS 商业 数据运营 SQL 数据挖掘 SQL 教育 大数据 数据挖掘 大数据 数据挖掘 工具软件 数据运营 SQL BI 可视化 股票期权 年底双薪 带薪年假 弹性工作 电商 运营 银行 商业 BI 可视化 视频 产品策划 智能硬件 BI 大数据 MySQL Oracle 新零售 大数据 大数据 金融 大数据 金融 数据挖掘 大数据 房产服务 企业服务 BI 可视化 数据库 大数据 数据库 BI 大数据 移动互联网 大数据 广告营销 汽车 营销 行业分析 市场分析 SQL 数据库 数据运营 SQLServer 数据挖掘 大数据 数据挖掘 大数据 新零售 数据运营 增长黑客 大数据 工具软件 移动互联网 SQLServer 数据处理 大数据 数据挖掘 大数据 算法 数据挖掘 电商 SQLServer 医疗健康 BI 教育 游戏 SQL 数据库 SQL Hive Flink Spark Hadoop 数据库开发 市场分析 营销策略 运营 SEM SEO 地图 分类信息 运营 大数据 企业服务 SQLServer 数据处理 新零售 电商 新零售 SQL 数据库 可视化 大数据 互联网金融 SQL 人力资源 电商 数据运营 可视化 BI 教育 数据运营 游戏 SQL 数据库 广告营销 数据运营 SQL 大数据 其他 SQL 数据库 电商 移动互联网 算法 数据架构 数据处理 移动互联网 教育 BI SQL 游戏 数据运营 银行 BI 数据库 移动互联网 BI 数据运营 大数据 大数据 金融 云计算 大数据 SPSS 数据运营 一手内推信息 猎头专业服务 名企保面试 精准高效对接 教育 移动互联网 SQL SPSS 新零售 大数据 商业 大数据 金融 电商 运营 金融 银行 ETL 数据处理 大数据 互联网金融 互联网金融 数据挖掘 互联网金融 风控 分析师 电商 数据运营 保险 大数据 Java 数据挖掘 数据处理 SQL 数据库 移动互联网 Hive SQLServer 数据架构 SQL 数据挖掘 通信/网络设备 电商 零食水果供应 带薪年假 绩效奖金 扁平管理 SQL 数据库 电商 MySQL 数据挖掘 数据处理 金融 SQL BI SQL 数据运营 金融 SQL 商业 数据仓库 数据处理 借贷 数据运营 SPSS SQL 电商 大数据 大数据 企业服务 BI SPSS SQL BI 大数据 数据挖掘 移动互联网 金融 风控 通信/网络设备 移动互联网 数据库 商业 SQL 大数据 工具软件 BI SQL 数据库 数据库开发 Hadoop 数据挖掘 大数据 Hive 数据挖掘 金融 大数据 风控 策略设计 分析师 SPSS 数据库 SQL 电商 SQL ETL Hadoop 数据库开发 MySQL 大数据 大数据 商业 BI 可视化 可视化 商业 金融 电商 广告营销 数据挖掘 通信/网络设备 大数据 电商 金融 数据挖掘 大数据 游戏 大数据 BI 数据运营 SQL 可视化 数据挖掘 电商 房产服务 BI 可视化 医疗健康 体育 BI 数据运营 SQL 大数据 数据处理 数据架构 MySQL 分析师 电商 大数据 金融 大数据 营销管理 BI 可视化 大数据 SPSS 视频 商业 SQL 移动互联网 大数据 SQL 数据运营 SPSS SQL 可视化 金融 大数据 互联网金融 风控 策略设计 分析师 企业服务 广告营销 可视化 数据运营 MySQL 大数据 BI 投资/融资 大数据 大数据 数据挖掘 运营 广告营销 游戏 人工智能 机器学习 算法 数据挖掘 移动互联网 云计算 电商 金融 算法 数据挖掘 新零售 本地生活 商业 数据库 SQL BI 商业 移动互联网 游戏 SQL 信息安全 支付 数据挖掘 教育 数据运营 节日礼物 技能培训 绩效奖金 岗位晋升 SQLServer 数据处理 电商 大数据 数据处理 电商 MySQL 数据仓库 数据库开发 大数据 云计算 数据库 BI SQL 大数据 基金 BI DBA SQL 大数据 产品经理 大数据 其他 SQLServer Spark Hadoop 算法 视频 直播 新零售 核查 互联网金融 借贷 SQL 数据挖掘 数据仓库 Oracle 电商 移动互联网 电商 数据挖掘 搜索 电商 数据运营 保险 互联网金融 云计算 数据运营 移动互联网 电商 数据运营 数据运营 SQL 用户研究 商业产品 大数据 银行 风控 大数据 云计算 大数据 电商 SQL 电商运营 SPSS SQL 可视化 大数据 金融 数据挖掘 教育 移动互联网 商业 增长黑客 数据运营 Hadoop Spark 数据挖掘 产品 移动互联网 证券/期货 BI 移动互联网 电商 旅游 大数据 MySQL 游戏 大数据 新零售 电商 商业 BI 可视化 SQL MySQL Spark Hive 数据处理 Hadoop NLP Redis MongoDB 电商 Hadoop Spark Scala 电商运营 电商 大数据 数据运营 增长黑客 大数据 数据挖掘 金融 风控 分析师 策略设计 大数据 SQL SPSS 五险一金 两餐补助 超低息员工贷 年底奖金 其他 移动互联网 Spark Hadoop 大数据 移动互联网 商业 数据挖掘 数据仓库 MySQL 大数据 数据处理 数据仓库 数据压缩 MongoDB 大数据 数据挖掘 电商 数据仓库 Hive SQL BI 数据运营 SQL MySQL Hadoop 电商 BI 大数据 数据处理 数据架构 MySQL 可视化 数据处理 SQLServer 大数据 Python 数据库 Hadoop Spark SPSS SQL 数据库 移动互联网 大数据 BI 金融 互联网金融 运营 产品运营 大数据 金融 可视化 大数据 互联网金融 风险分析 信贷风险管理 互联网金融 风控 风控 策略设计 企业服务 MySQL 数据处理 ETL 后端 大数据 Java 数据挖掘 算法 机器学习 其他 产品设计 产品策划 其他 通信/网络设备 企业服务 移动互联网 大数据 移动互联网 数据挖掘 BI 数据运营 SQL 电商 视频 移动互联网 大数据 Java 滴滴 广告营销 MySQL 产品设计 需求分析 数据挖掘 MySQL 数据挖掘 算法 数据挖掘 Python MySQL 数据库 Hadoop 移动互联网 数据挖掘 算法 产品策划 用户增长 产品策划 数据仓库 数据挖掘 数据仓库 数据挖掘 Hive MySQL 算法 数据仓库 大数据 数据库 SQL BI 电商 大数据 电商 SQLServer 大数据 其他 大数据 SPSS SQL 大数据 SQL 数据库 可视化 新零售 BI 可视化 移动互联网 大数据 数据运营 商业 SQLServer 数据挖掘 ETL 大数据 互联网金融 运营 产品运营 效果跟踪 电商 信息安全 数据运营 风控 视频 直播 数据运营 可视化 电商 数据运营 大数据 电商 算法 数据挖掘 数据处理 可视化 数据库 数据运营 大数据 企业服务 SQL SPSS SQL 大数据 物流 移动互联网 数据处理 数据挖掘 数据运营 新零售 电商 数据挖掘 数据仓库 电商 移动互联网 移动互联网 教育 SQL 数据库 信息安全 大数据 SQL SPSS 数据库 电商 可视化 BI 数据运营 大数据 BI 可视化 本地生活 数据处理 移动互联网 SQLServer 数据仓库 数据挖掘 SQLServer MySQL 数据仓库 数据挖掘 大数据 数据挖掘 电商 数据运营 策略运营 大数据 项目管理 大数据 产品设计 需求分析 项目管理 视频 SPSS SQL 大数据 数据挖掘 数据运营 数据运营 信息安全 证券/期货 MySQL Oracle Java SQLServer 大数据 广告营销 数据运营 大数据 移动互联网 可视化 商业 移动互联网 行业分析 市场竞争分析 广告营销 技术支持 直播 游戏 数据库 数据挖掘 MySQL SQL BI 数据库 MySQL Java Scala 大数据 征信 互联网金融 数据库 数据库 本地生活 大数据 数据挖掘 大数据 Java NLP 运营 物流 医疗健康 数据挖掘 数据仓库 算法 大数据 扁平管理 弹性工作 大厨定制三餐 就近租房补贴 交通补助 弹性工作 帅哥多 领导好 大数据 移动互联网 数据挖掘 大数据 SPSS SPSS SQL 信息安全 大数据 Hadoop Spark 数据挖掘 大数据 移动互联网 内容 数据运营 教育 数据挖掘 通信/网络设备 移动互联网 SPSS BI SPSS 证券 股票 证券分析 工具软件 移动互联网 数据挖掘 数据架构 数据仓库 算法 SQL 分类信息 大数据 数据挖掘 数据架构 数据仓库'
# from wordcloud import WordCloud
# from PIL import Image
# import numpy as np
# from wordcloud import ImageColorGenerator
# mask = np.array(Image.open(r"C:\Users\EDZ\Desktop\案列\拉勾网数据分析职位分析\code\数据分析.png"))
# image_colors = ImageColorGenerator(mask)
# '''从文本中生成词云图'''
# wordcloud = WordCloud(font_path=r"C:\Users\EDZ\Desktop\字体\bb1781\微软vista雅黑.ttf", # 定义SimHei字体文件
# background_color='white', # 背景色为白色
# height=400, # 高度设置为400
# width=800, # 宽度设置为800
# scale=20, # 长宽拉伸程度程度设置为20
# prefer_horizontal=0.2, # 调整水平显示倾向程度为0.2
# mask=mask, # 添加蒙版, 即轮廓
# max_words=1000, # 设置最大显示字数为1000
# relative_scaling=0.3, # 设置字体大小与词频的关联程度为0.3
# max_font_size=80 # 缩小最大字体为80
# ).generate(s)
# plt.figure(figsize=[8, 4])
# plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
# plt.axis('off')
# '''保存到本地'''
# plt.savefig('数据分析技能词云图.jpg', dpi=600, bbox_inches='tight', quality=95)
# plt.show()
from wordcloud import WordCloud
from PIL import Image
import numpy as np
mask = np.array(Image.open(r"C:\Users\EDZ\Desktop\案列\拉勾网数据分析职位分析\code\12.png"))
'''从文本中生成词云图'''
wordcloud = WordCloud(font_path=r"C:\Users\EDZ\Desktop\字体\bb1781\微软vista雅黑.ttf", # 定义SimHei字体文件
background_color='white', # 背景色为白色
height=400, # 高度设置为400
width=800, # 宽度设置为800
scale=20, # 长宽拉伸程度程度设置为20
prefer_horizontal=0.2, # 调整水平显示倾向程度为0.2
mask=mask, # 添加蒙版, 即轮廓
max_words=1000, # 设置最大显示字数为1000
relative_scaling=0.3, # 设置字体大小与词频的关联程度为0.3
max_font_size=80 # 缩小最大字体为80
).generate(s)
plt.figure(figsize=(8, 6), dpi=800)
plt.imshow(wordcloud)
plt.axis('off')
'''保存到本地'''
plt.savefig('数据分析技能词云图.jpg', dpi=600)
plt.show();
a = df.城市.value_counts()
a
北京 450 上海 359 深圳 260 广州 175 杭州 145 成都 46 武汉 44 南京 27 长沙 16 厦门 14 西安 12 佛山 10 郑州 9 重庆 8 苏州 8 天津 7 Name: 城市, dtype: int64
def geo(a):
# 导入地理类
from pyecharts.charts import Geo
# 导入配置项类
from pyecharts import options as opts
# 导入背景主题类
from pyecharts.globals import ThemeType
# 给地理图对象设置主题
geo = Geo(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))
# 设置地图北京 China
geo.add_schema(maptype='china')
# 添加数据
geo.add( series_name='各城市数据分析职位地理图'
, data_pair=list(zip(a.index, a.tolist()))
, type_ = 'effectScatter')
# 添加全局配置项
# 群居配置项下的标题配置项
geo.set_global_opts(title_opts= opts.TitleOpts(title = '全国各城市数据分析职位统计图'),
# 全局配置项下的视觉设置配置项
visualmap_opts=opts.VisualMapOpts(min_ = 0 , max_=400),
# 全局配置项下的工具箱配置项
toolbox_opts= opts.ToolboxOpts())
# 系列配置项
# 系列配置项下的标签配置项
geo.set_series_opts(label_opts= opts.LabelOpts(is_show = False))
return geo.render_notebook()
geo(a)