用數據分析來看哪種 Python 程序員最賺錢？

作者 | XksA

公衆號 | 極簡XksA

本文以Python爬蟲、數據分析、後端、數據挖掘、全棧開發、運維開發、高級開發工程師、大數據、機器學習、架構師這10個崗位，從拉勾網上爬取了相應的職位信息和任職要求，並通過數據分析可視化，直觀地展示了這10個職位的平均薪資和學歷、工作經驗要求。

爬蟲準備

1、先獲取薪資和學歷、工作經驗要求

由於拉勾網數據加載是動態加載的，需要我們分析。分析方法如下：

F12分析頁面數據存儲位置

我們發現網頁內容是通過post請求得到的，返回數據是json格式，那我們直接拿到json數據即可。

我們只需要薪資和學歷、工作經驗還有單個招聘信息，返回json數據字典中對應的英文爲：positionId,salary, education, workYear（positionId爲單個招聘信息詳情頁面編號）。相關操作代碼如下：

文件存儲：

def file_do(list_info):
    # 獲取文件大小
    file_size = os.path.getsize(r'G:\lagou_anv.csv')
    if file_size == 0:
        # 表頭
        name = ['ID','薪資', '學歷要求', '工作經驗']
        # 建立DataFrame對象
        file_test = pd.DataFrame(columns=name, data=list_info)
        # 數據寫入
        file_test.to_csv(r'G:\lagou_anv.csv', encoding='gbk', index=False)
    else:
        with open(r'G:\lagou_anv.csv', 'a+', newline='') as file_test:
            # 追加到文件後面
            writer = csv.writer(file_test)
            # 寫入文件
            writer.writerows(list_info)

基本數據獲取：

# 1. post 請求 url
req_url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'
# 2.請求頭 headers
headers = {
    'Accept': 'application/json,text/javascript,*/*;q=0.01',
    'Connection': 'keep-alive',
    'Cookie': '你的Cookie值，必須加上去',
    'Host': 'www.lagou.com',
    'Referer': 'https://www.lagou.com/jobs/list_Python?labelWords=&fromSearch=true&suginput=',
    'User-Agent':  str(UserAgent().random),
}

def get_info(headers):
    # 3.for 循環請求（一共30頁）
    for i in range(1, 31):
        # 翻頁
        data = {
            'first': 'true',
            'kd': 'Python爬蟲',
            'pn': i
        }
        # 3.1 requests 發送請求
        req_result = requests.post(req_url, data=data, headers=headers)
        req_result.encoding = 'utf-8'
        print("第%d頁："%i+str(req_result.status_code))
        # 3.2 獲取數據
        req_info = req_result.json()
        # 定位到我們所需數據位置
        req_info = req_info['content']['positionResult']['result']
        print(len(req_info))
        list_info = []
        # 3.3 取出具體數據
        for j in range(0, len(req_info)):
            salary = req_info[j]['salary']
            education = req_info[j]['education']
            workYear = req_info[j]['workYear']
            positionId = req_info[j]['positionId']
            list_one = [positionId,salary, education, workYear]
            list_info.append(list_one)
        print(list_info)
        # 存儲文件
        file_do(list_info)
        time.sleep(1.5)

運行結果：

2、根據獲取到的`positionId`來訪問招聘信息詳細頁面

根據`positionId`還原訪問鏈接：

position_url = []
def read_csv():
    # 讀取文件內容
    with open(r'G:\lagou_anv.csv', 'r', newline='') as file_test:
        # 讀文件
        reader = csv.reader(file_test)
        i = 0
        for row in reader:
            if i != 0 :
                # 根據positionID補全鏈接
                url_single = "https://www.lagou.com/jobs/%s.html"%row[0]
                position_url.append(url_single)
            i = i + 1
        print('一共有：'+str(i-1)+'個')
        print(position_url)

訪問招聘信息詳情頁面，獲取職位描述（崗位職責和崗位要求）並清理數據：

def get_info():
    for position_url in position_urls:
        work_duty = ''
        work_requirement = ''
        response00 = get_response(position_url,headers = headers)
        time.sleep(1)
        content = response00.xpath('//*[@id="job_detail"]/dd[2]/div/p/text()')
        # 數據清理
        j = 0
        for i in range(len(content)):
            content[i] = content[i].replace('\xa0',' ')
            if content[i][0].isdigit():
                if j == 0:
                    content[i] = content[i][2:].replace('、',' ')
                    content[i] = re.sub('[；;.0-9。]','', content[i])
                    work_duty = work_duty+content[i]+ '/'
                    j = j + 1
                elif content[i][0] == '1' and not content[i][1].isdigit():
                    break
                else:
                    content[i] = content[i][2:].replace('、', ' ')
                    content[i] = re.sub('[、；;.0-9。]','',content[i])
                    work_duty = work_duty + content[i]+ '/'
        m = i
        # 崗位職責
        write_file(work_duty)
        print(work_duty)
        # 數據清理
        j = 0
        for i in range(m,len(content)):
            content[i] = content[i].replace('\xa0',' ')
            if content[i][0].isdigit():
                if j == 0:
                    content[i] = content[i][2:].replace('、', ' ')
                    content[i] = re.sub('[、；;.0-9。]', '', content[i])
                    work_requirement = work_requirement + content[i] + '/'
                    j = j + 1
                elif content[i][0] == '1' and not content[i][1].isdigit():
                    # 控制範圍
                    break
                else:
                    content[i] = content[i][2:].replace('、', ' ')
                    content[i] = re.sub('[、；;.0-9。]', '', content[i])
                    work_requirement = work_requirement + content[i] + '/'
        # 崗位要求
        write_file2(work_requirement)
        print(work_requirement)
        print("-----------------------------")

運行結果：

duty

require

3、四種圖可視化數據+數據清理方式

矩形樹圖：

# 1.矩形樹圖可視化學歷要求
from pyecharts import TreeMap
education_table = {}
for x in education:
    education_table[x] = education.count(x)
key = []
values = []
for k,v in education_table.items():
    key.append(k)
    values.append(v)

data = []
for i in range(len(key)) :
    dict_01 = {"value": 40, "name": "我是A"}
    dict_01["value"] = values[i]
    dict_01["name"] = key[i]
    data.append(dict_01)
tree_map = TreeMap("矩形樹圖", width=1200, height=600)
tree_map.add("學歷要求",data, is_label_show=True, label_pos='inside')

玫瑰餅圖：

# 2.玫瑰餅圖可視化薪資
import re
import math
'''
# 薪水分類
parameter : str_01--字符串原格式:20k-30k
returned value : (a0+b0)/2 --- 解析後變成數字求中間值：25.0
'''
def assort_salary(str_01):
    reg_str01 = "(\d+)"
    res_01 = re.findall(reg_str01, str_01)
    if len(res_01) == 2:
        a0 = int(res_01[0])
        b0 = int(res_01[1])
    else :
        a0 = int(res_01[0])
        b0 = int(res_01[0])
    return (a0+b0)/2

from pyecharts import Pie
salary_table = {}
for x in salary:
    salary_table[x] = salary.count(x)

key = ['5k以下','5k-10k','10k-20k','20k-30k','30k-40k','40k以上']
a0,b0,c0,d0,e0,f0=[0,0,0,0,0,0]

for k,v in salary_table.items():
    ave_salary = math.ceil(assort_salary(k))
    print(ave_salary)
    if ave_salary < 5:
        a0 = a0 + v
    elif ave_salary in range(5,10):
        b0 = b0 +v
    elif ave_salary in range(10,20):
        c0 = c0 +v
    elif ave_salary in range(20,30):
        d0 = d0 +v
    elif ave_salary in range(30,40):
        e0 = e0 +v
    else :
        f0 = f0 + v
values = [a0,b0,c0,d0,e0,f0]

pie = Pie("薪資玫瑰圖", title_pos='center', width=900)
pie.add("salary",key,values,center=[40, 50],is_random=True,radius=[30, 75],rosetype="area",is_legend_show=False,is_label_show=True)

普通柱狀圖：

# 3.工作經驗要求柱狀圖可視化
from pyecharts import Bar
workYear_table = {}
for x in workYear:
    workYear_table[x] = workYear.count(x)
key = []
values = []
for k,v in workYear_table.items():
    key.append(k)
    values.append(v)
bar = Bar("柱狀圖")
bar.add("workYear", key, values, is_stack=True,center= (40,60))

詞雲圖：

import jieba
from pyecharts import WordCloud
import pandas as pd
import re,numpy

stopwords_path = 'H:\PyCoding\Lagou_analysis\stopwords.txt'
def read_txt():
    with open("G:\lagou\Content\\ywkf_requirement.txt",encoding='gbk') as file:
        text = file.read()
        content = text
        # 去除所有評論裏多餘的字符
        content = re.sub('[,，。. \r\n]', '', content)
        segment = jieba.lcut(content)
        words_df = pd.DataFrame({'segment': segment})
        # quoting=3 表示stopwords.txt裏的內容全部不引用
        stopwords = pd.read_csv(stopwords_path, index_col=False,quoting=3, sep="\t", names=['stopword'], encoding='utf-8')
        words_df = words_df[~words_df.segment.isin(stopwords.stopword)]
        words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計數": numpy.size})
        words_stat = words_stat.reset_index().sort_values(by=["計數"], ascending=False)
        test = words_stat.head(200).values
        codes = [test[i][0] for i in range(0, len(test))]
        counts = [test[i][1] for i in range(0, len(test))]
        wordcloud = WordCloud(width=1300, height=620)
        wordcloud.add("必須技能", codes, counts, word_size_range=[20, 100])
        wordcloud.render("H:\PyCoding\Lagou_analysis\cloud_pit\ywkf_bxjn.html")

Python爬蟲崗位

學歷要求

工作月薪

工作經驗要求

爬蟲技能

關鍵詞解析：

學歷：本科
工作月薪：10k-30k
工作經驗：1-5年
技能：分佈式、多線程、框架、Scrapy、算法、數據結構、數據庫

綜合：爬蟲這個崗位在學歷要求上比較放鬆，大多數爲本科即可，比較適合想轉業的老哥小姐姐，學起來也不會特別難。而且薪資待遇上也還算比較優厚，基本在10k以上。不過唯一對工作經驗要求還是比較高的，有近一半的企業要求工作經驗要達到3年以上。

Python數據分析崗位

學歷要求

工作月薪

工作經驗要求

數據分析技能

關鍵詞解析：

學歷：本科（碩士比例有所增高）
工作月薪：10k-30k
工作經驗：1-5年
技能：SAS、SPSS、Hadoop、Hive、數據庫、Excel、統計學、算法

綜合：數據分析這個崗位在學歷要求上比爬蟲要求稍微高一些，碩士比例有所提升，專業知識上有一定要求。薪資待遇上也還算比較優厚，基本在10k以上，同時薪資在30k-40k的比例也有所上升。對工作經驗要求還是比較高，大部分的企業要求工作經驗要達到3年以上。

Python後端崗位

學歷要求

工作月薪

工作經驗要求

後端技能

學歷要求

工作月薪

工作經驗要求

後端技能

關鍵詞解析：

學歷：本科
工作月薪：10k-30k
工作經驗：3-5年
技能：Flask、Django、Tornado、Linux、MySql、Redis、MongoDB、TCP/IP、數學（哈哈）

綜合：web後端這個崗位對學歷要求不高，但專業知識上有很大要求，得會Linux操作系統基本操作、三大主流數據庫的使用、以及三大基本web框架的使用等計算機相關知識，總體來說難道還是比較大。薪資待遇上也比較優厚，基本在10k以上，同時薪資在30k-40k的比例也有近20%。對工作經驗要求還是比較高，大部分的企業要求工作經驗要達到3年以上。

Python數據挖掘崗位

學歷要求

工作月薪

工作經驗要求

數據挖掘技能

關鍵詞解析：

學歷：本科(碩士)
工作月薪：20k-40k
工作經驗：3-5年
技能：學歷(hhh)、Hadoop、Spark、MapReduce、Scala、Hive、聚類、決策樹、GBDT、算法

綜合：數據挖掘這個崗位，在學歷要求是最高的，雖然還是本科居多，但碩士比例明顯增加，還有公司要求博士學歷。在專業知識上也有很大要求，得會Linux操作系統基本操作、大數據框架Hadoop、Spark以及數據倉庫Hive的使用等計算機相關知識，總體來說難道還是比較大。薪資待遇上特別優厚，基本在20k以上，薪資在30k-40k的比例也有近40%，對工作經驗要求還是比較高，大部分的企業要求工作經驗要達到3年以上。

Python全棧開發崗位

學歷要求

工作月薪

工作經驗要求

全棧開發技能

關鍵詞解析：

學歷：本科
工作月薪：10k-30k
工作經驗：3-5年
技能：測試、運維、管理、開發、數據結構、算法、接口、虛擬化、前端

綜合：全棧開發這個崗位什麼都要懂些，什麼都要學些，在學歷要求上並不太高，本科學歷即可，在專業知識上就不用說了，各個方面都得懂，還得理解運用。薪資待遇上也還可以，基本在10k以上，薪資在30k-40k的比例也有近20%。對工作經驗要求還是比較高，大部分的企業要求工作經驗要達到3年以上。總體來說，就我個人而言會覺得全棧是個吃力多薪水少的崗位。

Python運維開發崗位

學歷要求

工作月薪

工作經驗要求

運維開發技能

關鍵詞解析：

學歷：本科
工作月薪：10k-30k
工作經驗：3-5年
技能：SVN、Git、Linux、框架、shell編程、mysql，redis，ansible、前端框架

綜合：運維開發這個崗位在學歷要求上不高，除開佔一大半的本科，就是專科了。工作經驗上還是有一些要求，大多數要求有3-5年工作經驗。從工資上看的話，不高也不低，20k以上也佔有62%左右。要學習的東西也比較多，前端、後端、數據庫、操作系統等等。

Python高級開發工程師崗位

學歷要求

工作月薪

工作經驗要求

高級開發工程師技能

關鍵詞解析：

學歷：本科
工作月薪：20k左右
工作經驗：3-5年
技能：WEB後端、MySQL、MongoDB、Redis、Linux系統（CentOS）、CI/CD 工具、GitHub

綜合：高級開發工程師這個崗位在學歷要求上與運維開發差不多，薪資也相差不大，22%以上的企業開出了30k以上的薪資，65%左右企業給出20k以上的薪資。當然，對工作經驗上還是要求較高，有近一半的企業要求工作經驗要達到3年以上。

Python大數據崗位

學歷要求

工作月薪

工作經驗要求

大數據技能

關鍵詞解析：

學歷：本科（碩士也佔比很大）
工作月薪：30k以上
工作經驗：3-5年
技能：前端開發、 MySQL、Mongo、Redis、Git 、Flask、Celery、Hadoop/HBase/Spark/Hive、Nginx

綜合：現在是大數據時代，大數據這個崗位也是相當火熱，在學歷要求上幾乎與運維開發一模一樣。當然，可能數據上出現了巧合，本科居多，工作經驗上1-5年佔據一大半，薪資上也基本上在20k以上，該崗位薪資在20k以上的企業佔了55%左右。

Python機器學習崗位

學歷要求

工作月薪

工作經驗要求

機器學習技能

關鍵詞解析：

學歷：本科（碩士也佔比很大）
工作月薪：30k以上
工作經驗：3-5年
技能：Machine Learning，Data Mining，Algorithm 研發，算法，Linux，決策樹，TF，Spark+MLlib，Cafe

綜合：機器學習這個崗位在學歷要求上比較嚴格，雖然看起來是本科居多，但對於剛畢業或畢業不久的同學，如果只是個本科，應聘還是很有難度的。當然機器學習崗位薪資特高，60%在30k以上，近90%在20k以上，97%在10k以上。除開對學歷要求比較高外，對工作經驗要求也比較高，有近一半的企業要求工作經驗要達到3年以上。

Python架構師崗位

學歷要求

工作月薪

工作經驗要求

架構師技能

關鍵詞解析：

學歷：本科
工作月薪：30k以上
工作經驗：5-10年
技能：Flask，Django，MySQL，Redis，MongoDB，Hadoop，Hive，Spark，ElasticSearch，Pandas，Spark/MR，Kafka/rabitmq

綜合：架構師這個崗位單從學歷上看不出什麼來，但在薪資上幾乎與機器學習一樣，甚至比機器學習還要高，機器學習中月薪40k以上的佔23.56%，架構師中月薪40k以上的佔30.67%。在學歷要求上比機器學習要略低，本科居多，但在工作經驗上一半以上的企業要求工作經驗在5-10年。在必要技能上也要求特別嚴格，比之前說過的全棧開發師有過之而無不及。

看着這月薪，我是超級想去了，你呢？

寫在最後

從上文可以看出，Python相關的各個崗位薪資還是不錯的，基本上所有崗位在10k以上的佔90%，20k以上的也基本都能佔60%左右。而且學歷上普遍來看，本科學歷佔70%以上。唯一的是需要工作經驗，一般得有個3-5年工作經驗，也就是如果24歲本科畢業，27歲就有很大機會拿到月薪20k以上。有沒有很心動？

整個系列下來，詞雲分析雖不完全正確，但大家不難發現，有兩個詞在每個崗位要求的詞雲圖中都有出現，那就是——經驗和熟悉。的確，不論我們做什麼，都必須認認真真的去做、去學，在不斷的實踐中積累經驗。

到這裏，本系列就結束了，本系列一共爬取了拉鉤網10個不同Python相關崗位，每個崗位450條招聘信息，共計4500條。爬取拉鉤網其實是個挺簡單的事情，只要知道了怎麼去分析頁面加載即可，獲取到數據也不過就是直接返回的json數據，或者正則匹配。我覺得比較有趣也是比較難的是數據清理和可視化分析。後面我會繼續學習，也希望大家一起學習，多多交流。

作者：XksA，大三在讀的師範技術生，主要學習Python web、數據分析、可視化方面，個人公衆號極簡XksA 長期分享學習筆記，學習資料，歡迎交流學習。點擊閱讀原文可直達原文鏈接聲明：本文爲作者投稿，版權歸對方所有。

用數據分析來看哪種 Python 程序員最賺錢？

某數分析第二彈

爬蟲必須要瞭解的 JavaScript 混淆安全加固

某彈幕網分析-1

ni**的網站的登錄需要的sensor_data怎麼來

記錄下某ua的逆向過程

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結