随着数据量的扩大，人工智能和机器学习正在处理那些在过去似乎不可能完成的任务。所有的科技巨头(Facebook、微软、谷歌、亚马逊)都在积极开张数据工作，争先恐后地为促进这些领域的发展做出贡献。根据研究，人工智能和机器学习实践者更喜欢使用Python，因为Python易于编码和可读性较高，这样我们就不会被语言的结构所困扰。

Python学了这么久，相信很多小伙伴都想知道钱途如何，全国各大城市招聘Python的岗位有多少，都招哪些职位，年薪如何等等，我爬取了拉勾近1600个Python相关的职位，我们用数据说话!

原始的数据长啥样

下面我们先来看一下拉勾网上原始网站数据是有哪些维度：

公司名子,岗位名称，地域，年薪薪资幅度和发布时间

我们用Python爬取之后得到的数据长这样，我们把薪资做了一丢丢的处理分成高年薪和低年薪

一共1552个岗位：

开始数据清洗

可能大家都认为数据分析，是不是分析部分耗时!其实数据分析里面有70%的工作都是做数据清洗，需要把杂乱无章的数据按照一定的业务逻辑归正，清洗，清洗的好坏对后面的数据分析非常有帮助!这个好像做饭类似(洗菜，切菜很重要)

1.对薪资进行处理

薪资里面有大写的K,也有小写的k,我们需要去掉杂乱的字符并过滤掉Kk，为了方便后面的分析和统计。

2.增加岗位种类,岗位级别,平均年薪

我们发现数据集里面的岗位描述非常乱，混杂了级别和种类，比如：

职位类别:

Python的工种：爬虫，web,数据分析/数据挖掘/数据开发，机器学习，讲师，运维,云计算,后端,自动化,全栈然后默认是开发

职位等级：分实习，毕业生，普通，高级的，资深，架构，经理，总监

平均年薪：原始的年薪是一个幅度，不便统计，我们增加一列平均年薪的数据

我们经过数据转换，重新归正之后的数据：

数据初探

经过前面几步的处理，数据已经整齐很多, 下面我们就可以开始分析一下数据:

1.Python职位地域统计:

果然Python在北上广深需求非常大，尤其是北京.

2.大城市的平均年薪和高年薪：

3.看到数据集里面有Python年薪50万的，都是哪些土豪公司

发现高年薪几乎都在北京，而且都是在新美大这些大公司里面.

Python岗位数据可视化

1.招聘人数排名：

发现几乎都是知名的互联网公司都在招Python的人才，有饿了么，小米，瓜子，UCloud，360，腾讯，阿里巴巴，陌陌，美团，知乎等等!而需求大的是Veeva公司，大量的在招人，有需求的同学可以关注

2.Python 需求的岗位比例：

普通 1195

高级 218

实习 58

资深 30

中级 17

经理 12

初级 10

架构 8

总监 4

3.Python年薪高的均值在15万以上：

发现除了北上广深，好像广州不给力啊只有15w,其中杭州和合肥非常不错!结合当地的房价看，性价比高呀，都有20w左右.

4.Python10大职位的薪资：

发现所有的Python岗位里面全栈竟然是高的，其次是讲师。看来学Python的往全栈发展也是一个非常不错的选择。

本文内容转载自网络，来源/作者信息已在文章顶部表明，版权归原作者所有，如有侵权请联系我们进行删除!