基于Python 和 pyecharts 制作招聘数据可视化分析大屏

news2024/11/18 19:27:13

在本教程中，我们将展示如何使用 Python 和 pyecharts 库，通过对招聘数据的分析，制作一个交互式的招聘数据分析大屏。此大屏将通过不同类型的图表（如柱状图、饼图、词云图等）展示招聘行业、职位要求、薪资分布等信息。
在这里插入图片描述

1. 准备工作

1.1 安装必要的 Python 库

在开始之前，确保你已经安装了以下 Python 库：

pip install pandas pyecharts jieba openpyxl
  • pandas：用于数据处理。
  • pyecharts：用于生成可交互的图表。
  • jieba：用于中文分词。
  • openpyxl：用于读取 Excel 文件。

1.2 数据集准备

假设我们已经有一个招聘数据集 tmp.xlsx，它包含以下字段：

  • Industry：行业
  • Job Experience：工作经验要求
  • Job Education：学历要求
  • Staff Size：公司规模
  • Job Location：工作地点
  • key_word_list：关键词列表
  • Job Intro：职位介绍
  • lowest_salary：最低薪资
  • highest_salary：最高薪资

数据集的每一行代表一个招聘职位信息。

2. 数据加载与处理

2.1 读取数据

我们使用 pandas 读取 Excel 文件，并进行一些初步的数据清理。

import pandas as pd

# 读取 Excel 数据
df_reset = pd.read_excel('./tmp.xlsx')

# 查看数据基本信息
print(df_reset.head())

2.2 统计行业数量

我们通过 Counter 来统计招聘数据中不同行业的数量，跳过 “None” 值。

from collections import Counter

# 统计行业数量，跳过 "None" 值
industry_count = Counter(industry for industry in df_reset['Industry'] if industry != 'None')

# 获取前 10 个最常见的行业
industry_count_top10 = dict(industry_count.most_common(10))

2.3 统计工作经验和学历要求

我们同样可以对工作经验和学历要求进行统计，并获取前 10 个最常见的要求。

# 统计工作经验要求
education_counts = pd.Series(df_reset['Job Experience']).value_counts()
top10_education_counts = education_counts.head(10)

# 统计学历要求
education_counts = pd.Series(df_reset['Job Education']).value_counts()
top10_education_counts = education_counts.head(10)

2.4 处理员工规模

对于员工规模字段，我们需要将包含字符串 “None” 的值替换为 NaN，然后进行统计。

# 替换 "None" 为 NaN
df_reset['Staff Size'] = df_reset['Staff Size'].replace('None', pd.NA)
size_counts = df_reset['Staff Size'].value_counts().dropna()

2.5 处理职位地点

为了分析职位的地理分布，我们将城市名称处理为带有“市”字的格式，并统计不同城市的数量。

# 定义函数，在每个有效字符串值后面添加"市"
def add_city(value):
    if isinstance(value, str):
        return value + "市"
    return value

# 应用函数到 Job Location 列
df_reset["Job Location"] = df_reset["Job Location"].apply(add_city)

# 去除空值行
df_reset1 = df_reset.dropna(subset=["Job Location"])

# 统计职位地点
location_counts = df_reset1['Job Location'].value_counts().reset_index()

2.6 关键词提取和频率统计

我们从职位介绍中提取关键词，并统计它们的出现频率。使用 jieba 库进行中文分词，并过滤停用词。

import jieba
from collections import Counter

# 提取所有关键词
all_keywords = []
for keywords in df_reset1["key_word_list"].dropna():
    all_keywords.extend(keywords.split(','))

# 统计关键词出现频率
keyword_counts = Counter(all_keywords)

# 获取前 10 个关键词
top_ten_keywords = keyword_counts.most_common(10)
keywords, counts = zip(*top_ten_keywords)

3. 数据可视化

我们将使用 pyecharts 库来生成各种类型的图表，展示数据的不同方面。

3.1 设置主题与表格

首先，设置一些基础配置，比如页面主题和表格颜色。

from pyecharts import options as opts
from pyecharts.components import Table
from pyecharts.globals import ThemeType
from pyecharts.charts import Page

theme_config = ThemeType.PURPLE_PASSION  # 更改为您需要的主题类型

# 设置表格颜色
table_color = '#5B5C6E'  # 紫色主题的颜色

3.2 创建柱状图：行业数量

我们将创建一个柱状图，展示前 10 个行业的招聘数量。

from pyecharts.charts import Bar

bar_chart = Bar(init_opts=opts.InitOpts(theme=theme_config, width="450px", height="350px"))
bar_chart.add_xaxis(list(industry_count_top10.keys()))
bar_chart.add_yaxis("行业数量", list(industry_count_top10.values()))
bar_chart.set_global_opts(title_opts=opts.TitleOpts(title="前十大行业数量"))

在这里插入图片描述

3.3 创建饼图：学历要求分布

使用 Pie 图来展示工作经验和学历要求的分布。

from pyecharts.charts import Pie

pie_chart_education = Pie(init_opts=opts.InitOpts(theme=theme_config, width="450px", height="350px"))
sizes = [int(count) for count in top10_education_counts]
pie_chart_education.add("", [list(z) for z in zip(top10_education_counts.index, sizes)], radius=["30%", "75%"], rosetype="radius")
pie_chart_education.set_global_opts(title_opts=opts.TitleOpts(title="学历要求分布"))

在这里插入图片描述

3.4 创建雷达图：职位地点

为了展示职位地点的分布，我们使用 Radar 图。

from pyecharts.charts import Radar

radar = Radar(init_opts=opts.InitOpts(theme=theme_config, width="450px", height="350px"))
radar.add_schema(
    schema=[opts.RadarIndicatorItem(name=city, max_=1000) for city in location_counts['Job Location']]
)
radar.add("职位地点", [location_counts['Job Location'].tolist()], areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
radar.set_global_opts(title_opts=opts.TitleOpts(title="职位地点雷达图"))

在这里插入图片描述

3.5 创建词云图：职位介绍

使用 WordCloud 图展示职位介绍中的高频词。

from pyecharts.charts import WordCloud

wordcloud = WordCloud(init_opts=opts.InitOpts(theme=theme_config, width="450px", height="350px"))
wordcloud.add("", top_words, word_size_range=[20, 100])
wordcloud.set_global_opts(title_opts=opts.TitleOpts(title="职位介绍词云图"))

在这里插入图片描述

3.6 创建薪资分布直方图

计算每个职位的平均薪资，并绘制薪资分布的直方图。

df_reset['average_salary'] = (df_reset['lowest_salary'] + df_reset['highest_salary']) / 2
salary_distribution = df_reset['average_salary'].value_counts().sort_index().reset_index()

salary_histogram = Bar(init_opts=opts.InitOpts(theme=theme_config, width="450px", height="350px"))
salary_histogram.add_xaxis(salary_distribution['index'].astype(str).tolist())
salary_histogram.add_yaxis("Frequency", salary_distribution['average_salary'].tolist())
salary_histogram.set_global_opts(title_opts=opts.TitleOpts(title="薪资分布"))

在这里插入图片描述

3.7 将所有图表组合成页面

最后，我们将所有生成的图表组合成一个页面，并渲染为 HTML 文件。

page = Page(page_title="基于Python分析大屏")
page.add(
    bar_chart,
    pie_chart_education,
    radar,
    wordcloud,
    salary_histogram
)

page.render('招聘分析大屏.html')

4. 结果展示

运行完上述代码后，你将得到一个名为 招聘分析大屏.html 的文件。打开这个 HTML 文件，你将看到一个交互式的招聘数据分析大屏，展示了不同的图表和统计结果，包括行业分布、学历要求、职位地点等信息。
在这里插入图片描述

总结

本教程展示了如何利用 Python 和 pyecharts 库，从招聘数据中提取关键信息，并通过多种可视化图表呈现分析结果。你可以根据自己的需求调整数据来源和图表类型，进一步扩展和优化你的数据分析大屏。
在这里插入图片描述

数据集和代码可添加

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2242983.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

OMV7 树莓派 tf卡安装

OMV7 树莓派 tf卡安装

​ 升级7之后，问题多多，不是docker不行了，就是代理不好使 今天又重装了一遍，用官方的链接，重新再折腾一遍…… 使用raspberry pi imager安装最新版lite OS。 注意是无桌面 Lite版 配置好树莓派初始化设置&#xff0…
阅读更多...
idea 弹窗 delete remote branch origin/develop-deploy

idea 弹窗 delete remote branch origin/develop-deploy

想删除远程分支，就选delete，仅想删除本地分支，选cancel； 在 IntelliJ IDEA 中遇到弹窗提示删除远程分支 origin/develop-deploy，这通常是在 Git 操作过程中出现的情况，可能是在执行如 git branch -d 或其他…
阅读更多...
GitCode光引计划有奖征文大赛

GitCode光引计划有奖征文大赛

一、活动介绍 GitCode平台汇聚了众多杰出的G-Star项目，它们犹如璀璨星辰，用各自的故事和成就，为后来者照亮前行的道路。我们诚邀广大开发者、项目维护者及爱好者，共同撰写并分享项目在GitCode平台上托管的体验，挖掘平…
阅读更多...
qt移植到讯为rk3568，包含一些错误总结

qt移植到讯为rk3568，包含一些错误总结

qt移植到arm报错动态库找不到 error while loading shared libraries: libAlterManager.so.1: cannot open shared object file: No such file or directory 通过设置环境变量 LD_LIBRARY_PATH就行了。 LD_LIBRARY_PATH是一个用于指定动态链接器在运行时搜索共享库的路径的环…
阅读更多...
Android Framework AMS（16）进程管理

Android Framework AMS（16）进程管理

该系列文章总纲链接：专题总纲目录 Android Framework 总纲 本章关键点总结 & 说明： 说明：本章节主要解读AMS 进程方面的知识。关注思维导图中左上侧部分即可。 我们本章节主要是对Android进程管理相关知识有一个基本的了解。先来了解下L…
阅读更多...
（一）- DRM架构

（一）- DRM架构

一，DRM简介 linux内核中包含两类图形显示设备驱动框架： FB设备：Framebuffer图形显示框架; DRM：直接渲染管理器（Direct Rendering Manager），是linux目前主流的图形显示框架； 1&am…
阅读更多...
【PHP】ThinkPHP基础

【PHP】ThinkPHP基础

下载composer ComposerA Dependency Manager for PHPhttps://getcomposer.org/ 安装composer 查看composer是否安装 composer composer --version 安装 ThinkPHP6 如果你是第一次安装的话，首次安装咱们需要打开控制台： 进入后再通过命令,在命令行下面&a…
阅读更多...
Elasticsearch基本概念及使用

Elasticsearch基本概念及使用

Elasticsearch 是一个开源的、分布式的全文搜索和分析引擎，基于 Apache Lucene 构建。它提供了快速的搜索能力，支持大规模的数据分析，广泛应用于日志分析、全文搜索、监控系统和商业智能等领域。ES操作指令是基于restAPI构建，也就…
阅读更多...
黑马智慧商城项目学习笔记

黑马智慧商城项目学习笔记

目录 智慧商城项目创建项目调整初始化目录vant组件库vant按需导入和全部导入 项目中的vw适配路由设计配置登录页静态布局图形验证码功能request模块-axios封装api模块-封装图片验证码接口 Toast轻提示（vant组件）短信验证倒计时功能登录功能响应拦截器统一…
阅读更多...
攻防世界Web-bug

攻防世界Web-bug

打开链接 先注册一个账号 创建成功，会给一个UID5 抓包的user值就是UID:用户名的md5加密的编码 点击Manage时要求admin用户 利用改包把user改成admin 1:admin的md5值为4b9987ccafacb8d8fc08d22bbca797ba 还要把url上的UID改为1 存在逻辑漏洞，成功越权 …
阅读更多...
apk反编译修改教程系列-----apk应用反编译中AndroidManifest.xml详细代码释义解析 包含各种权限 代码含义【二】

apk反编译修改教程系列-----apk应用反编译中AndroidManifest.xml详细代码释义解析 包含各种权限 代码含义【二】

💝💝💝💝在上期博文中解析了一个常规apk中 AndroidManifest.xml的权限以及代码。应粉丝需求。这次解析一个权限较高的apk。这款apk是一个家长管控的应用。需求的各种权限较高。而且通过管控端可以设置控制端的app隐藏与否。 通过博文了解💝💝💝💝 1💝💝…
阅读更多...
湘潭大学软件工程算法设计与分析考试复习笔记（一）

湘潭大学软件工程算法设计与分析考试复习笔记（一）

文章目录 前言随机类（第七章）随机概述数值随机化舍伍德拉斯维加斯蒙特卡罗 模拟退火遗传人工神经网络 回溯（第五章）动态规划（第四章）后记 前言 考试还剩十一天，现在准备开始复习这门课了。好像全…
阅读更多...
如何使用正则表达式验证域名

如何使用正则表达式验证域名

下面是一篇关于如何使用正则表达式验证域名的教程。 如何使用正则表达式验证域名 简介 域名是互联网上网站的地址，每个域名由多个标签（label）组成，标签之间用点 . 分隔。域名规则有很多细节，但基本要求是&#xff1a…
阅读更多...
【Cesium】自定义材质，添加带有方向的滚动路线

【Cesium】自定义材质，添加带有方向的滚动路线

【Cesium】自定义材质，添加带有方向的滚动路线 🍖 前言🎶一、实现过程✨二、代码展示🏀三、运行结果🏆四、知识点提示 🍖 前言 【Cesium】自定义材质，添加带有方向的滚动路线 🎶一、…
阅读更多...
DDoS高防服务器：保障业务安全和稳定的抗攻击利器

DDoS高防服务器：保障业务安全和稳定的抗攻击利器

摘要 随着网络攻击愈发频繁，尤其是DDoS（分布式拒绝服务）攻击的威胁不断增长，DDoS高防服务器成为保护企业网络安全的重要工具。本文将详细介绍DDoS高防服务器的原理、优势、应用场景及选择要点，帮助企业有效应对攻击&am…
阅读更多...
vim配置 --＞ 在创建的普通用户下

vim配置 --＞ 在创建的普通用户下

在目录/etc/ 下面，有个名为vimrc 的文件，这是系统中公共的vim配置文件对所有用户都有效 我们现在创建一个普通用户 dm 创建好以后，我们退出重新链接 再切换到普通用户下 再输入密码（是不显示的，输入完后，…
阅读更多...
Python 正则表达式使用指南

Python 正则表达式使用指南

Python 正则表达式使用指南 正则表达式（Regular Expression, 简称 regex）是处理字符串和文本的强大工具。它使用特定的语法定义一组规则，通过这些规则可以对文本进行匹配、查找、替换等操作。Python 提供了 re 模块，使得正则表达…
阅读更多...
Golang | Leetcode Golang题解之第565题数组嵌套

Golang | Leetcode Golang题解之第565题数组嵌套

题目&#xff1a; 题解&#xff1a; func arrayNesting(nums []int) (ans int) {n : len(nums)for i : range nums {cnt : 0for nums[i] < n {i, nums[i] nums[i], ncnt}if cnt > ans {ans cnt}}return }
阅读更多...
微服务day10-Redis面试篇

微服务day10-Redis面试篇

Redis主从 搭建主从集群 建立集群时主节点会生成同一的replicationID,交给各个从节点。 集群中的缓冲区是一个环型数组&#xff0c;即若从节点宕机时间过长&#xff0c;可能导致命令被覆盖。 主从集群优化 哨兵原理 哨兵是一个集群来确保哨兵不出现问题。 服务状态监控 选举…
阅读更多...
排序算法 -快速排序

排序算法 -快速排序

文章目录 1. 快速排序&#xff08;Quick Sort&#xff09;1.1、 简介1.2、 快速排序的步骤 2. Hoare 版本2.1、 基本思路1. 分区&#xff08;Partition&#xff09;2. 基准选择&#xff08;Pivot Selection&#xff09;3. 递归排序&#xff08;Recursive Sorting&#xff09; 2…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023