一.需求背景

在此之前：

我已经写了一段爬虫，爬取的某勾和某无忧的有效职位数据4000条（数据清洗之后）

本次任务需求：

对给定职位，汇总薪酬分段对应工作经验要求数据，画柱状图；

对给定职位，汇总薪酬分段对应学历要求数据，画柱状图；

1.1 需求分析

下面的这俩个需求类似，我们可以看做是一个任务：首先，我们给定职位（已Java岗位为例），先使用分箱法，查看一下薪酬分段。然后使用排除重复查看一下工作经验（学历要求）有几种。然后得到3个特征值，画一个多柱状图。

对给定职位，汇总薪酬分段对应工作经验要求数据，画柱状图；

对给定职位，汇总薪酬分段对应学历要求数据，画柱状图；

二.数据处理(对给定职位，汇总薪酬分段对应工作经验要求数据，画柱状图；)

2.1 事前准备

1.先把相关的包导入。

import re import numpy as np import pandas as pd import matplotlib.pyplot as plt from pylab import mpl

2.指定默认字体：解决plot不能显示中文问题。解决保存图像是负号'-'显示为方块的问题

mpl.rcParams['font.sans-serif'] = ['STZhongsong'] mpl.rcParams['axes.unicode_minus'] = False

3.读取有效数据：

data = pd.read_csv("A-06-最终有效数据.csv",encoding="gbk")

2,1 处理开始

1.使用java关键字将java的数据提取出来：然后经过"\d+.?\d*"把薪资的最高值和最低值提取出来。然后使用（最高值+最低值）/2的方式。

算出每一个数据的薪资代表值。将这几个数据分别存入xingzhi={}，zhiwei = []，xueli = []，last_xin=[]

xingzhi={} zhiwei = [] nianxian = [] last_xin=[] for i in range(len(data)): if "java" in data.iloc[i]['职位名']: a = re.findall("\d+\.?\d*", data.iloc[i]['薪资']) # print(data.iloc[i]['职位名']) zhiwei.append(data.iloc[i]['职位名']) nianxian.append(data.iloc[i]['工作年限']) last_xin.append((int(a[0])+int(a[1]))/2)

2.分箱 检查离群点及光滑数据；

bins2=[10,20,30,40,50,60] score_cat = pd.cut(last_xin, bins2) print("java薪资分箱结果：\n",pd.value_counts(score_cat).values)

结果如下：

3.去重查看学历有几种:

print(list(set(nianxian)))

4.根据上面的分箱结果，将数据分为以下几个阶段：

第1段 10-15 第二段15-20 第三段 20-25 第四段25-30

a={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0} b={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0} c={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0} d={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0}

6.循环遍历，把该目标值的数据遍历之后，存入对于的字典里：

for i in last_xin: if int(i)>=10 and int(i)<15: a[nianxian[int(i)]]=a[nianxian[int(i)]]+1 if int(i)>=15 and int(i)<20: b[nianxian[int(i)]]= b[nianxian[int(i)]]+1 if int(i) >= 20 and int(i) < 25: c[nianxian[int(i)]] = c[nianxian[int(i)]] + 1 if int(i) >= 25: d[nianxian[int(i)]] = d[nianxian[int(i)]] + 1

7.输出，看一眼结果：

print(a) print(b) print(c) print(d)

8.将刚刚上面的结果，转换为列表，方便后面的画图：

xin1=[] xin2=[] xin3=[] xin4=[] for i in a.values(): xin1.append(i) for i in b.values(): xin2.append(i) for i in c.values(): xin3.append(i) for i in d.values(): xin4.append(i)

9.开始画图

设置，X坐标的值，这里的'经验3-5年', '经验在校/应届', '经验10年以上', '经验1年以下', '经验不限', '经验5-10年', '经验1-3年'，是前面进行数据去重之后的结果。

bar_width是宽度设置，防止，图重合。

x_data = ['经验3-5年', '经验在校/应届', '经验10年以上', '经验1年以下', '经验不限', '经验5-10年', '经验1-3年'] bar_width=0.2

10.分别画四个柱状图，在一个图例，使用+0.2、+0.4等等来控制它的位置，避免重合。就是bar_width、1+bar_width、2+bar_width...这样就和第一个柱状图并列了。将X轴数据改为使用np.arange(len(x_data))+bar_width,

plt.bar(x_data, height=xin1, label='10-15K', color='steelblue', alpha=0.8, width=bar_width) plt.bar(x=np.arange(len(x_data))+0.2, height=xin2, label='15-20k', color='indianred', alpha=0.8, width=bar_width) plt.bar(x=np.arange(len(x_data))+0.4, height=xin3, label='20-25K', color='red', alpha=0.8, width=bar_width) plt.bar(x=np.arange(len(x_data))+0.6, height=xin4, label='25k以上', color='indianred', alpha=0.8, width=bar_width)

11.在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式

for x, y in enumerate(xin1): plt.text(x, y+30 , '%s' % y, ha='center', va='top') for x, y in enumerate(xin2): plt.text(x+0.2, y+30, '%s' % y, ha='center', va='top') for x, y in enumerate(xin3): plt.text(x+0.4, y+30, '%s' % y, ha='center', va='top') for x, y in enumerate(xin4): plt.text(x + 0.6, y+30, '%s' % y, ha='center', va='top')

12.设置标题

plt.title("薪酬分段对应工作经验要求数据")

13.为两条坐标轴设置名称

plt.xlabel("工作经验") plt.ylabel("数量")

14.显示图例

plt.legend() plt.show()

15.显示效果：

三.数据处理(对给定职位，汇总薪酬分段对应学历要求数据，画柱状图；)

对于这个需求：对给定职位，汇总薪酬分段对应学历要求数据，画柱状图；和上面的基本是大差不差。

只需要修改下面的学历:

xueli.append(data.iloc[i]['学历'])

将X轴的数据改为：'不限', '硕士', '本科', '大专'

x_data = ['大专', '不限', '本科', '硕士']

然后进行绘图，即可得到下面的图像：

四.附源码

import re import numpy as np import pandas as pd import matplotlib.pyplot as plt from pylab import mpl mpl.rcParams['font.sans-serif'] = ['STZhongsong'] # 指定默认字体：解决plot不能显示中文问题 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 #读取 data = pd.read_csv("A-06-最终有效数据.csv",encoding="gbk") # Java开始 xingzhi={} zhiwei = [] nianxian = [] last_xin=[] for i in range(len(data)): if "java" in data.iloc[i]['职位名']: a = re.findall("\d+\.?\d*", data.iloc[i]['薪资']) # print(data.iloc[i]['职位名']) zhiwei.append(data.iloc[i]['职位名']) nianxian.append(data.iloc[i]['工作年限']) last_xin.append((int(a[0])+int(a[1]))/2) # xin1.append() # xin2.append(int(a[1])) # 分箱 检查离群点及光滑数据； # bins=[10,15,20,25,30,35,40,45,50] bins2=[10,20,30,40,50,60] score_cat = pd.cut(last_xin, bins2) print("java薪资分箱结果：\n",pd.value_counts(score_cat).values) #去重结果 print(list(set(nianxian))) #第1段 10-15 第二段15-20 第三段 20-25 第四段25-30 a={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0} b={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0} c={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0} d={'经验5-10年':0, '经验1年以下':0, '经验在校/应届':0, '经验1-3年':0, '经验3-5年':0, '经验10年以上':0, '经验不限':0} for i in last_xin: if int(i)>=10 and int(i)<15: a[nianxian[int(i)]]=a[nianxian[int(i)]]+1 if int(i)>=15 and int(i)<20: b[nianxian[int(i)]]= b[nianxian[int(i)]]+1 if int(i) >= 20 and int(i) < 25: c[nianxian[int(i)]] = c[nianxian[int(i)]] + 1 if int(i) >= 25: d[nianxian[int(i)]] = d[nianxian[int(i)]] + 1 print(a) print(b) print(c) print(d) xin1=[] xin2=[] xin3=[] xin4=[] for i in a.values(): xin1.append(i) for i in b.values(): xin2.append(i) for i in c.values(): xin3.append(i) for i in d.values(): xin4.append(i) print(xin1) ##开始画图 x_data = ['经验3-5年', '经验在校/应届', '经验10年以上', '经验1年以下', '经验不限', '经验5-10年', '经验1-3年'] bar_width=0.2 plt.bar(x_data, height=xin1, label='10-15K', color='steelblue', alpha=0.8, width=bar_width) plt.bar(x=np.arange(len(x_data))+0.2, height=xin2, label='15-20k', color='indianred', alpha=0.8, width=bar_width) plt.bar(x=np.arange(len(x_data))+0.4, height=xin3, label='20-25K', color='red', alpha=0.8, width=bar_width) plt.bar(x=np.arange(len(x_data))+0.6, height=xin4, label='25k以上', color='indianred', alpha=0.8, width=bar_width) for x, y in enumerate(xin1): plt.text(x, y+30 , '%s' % y, ha='center', va='top') for x, y in enumerate(xin2): plt.text(x+0.2, y+30, '%s' % y, ha='center', va='top') for x, y in enumerate(xin3): plt.text(x+0.4, y+30, '%s' % y, ha='center', va='top') for x, y in enumerate(xin4): plt.text(x + 0.6, y+30, '%s' % y, ha='center', va='top') plt.xticks(np.arange(len(x_data))+bar_width/2, x_data) # 设置标题 plt.title("薪酬分段对应工作经验要求数据") # 为两条坐标轴设置名称 plt.xlabel("工作经验") plt.ylabel("数量") # 显示图例 plt.legend() plt.show() plt.show()