据说本年找工做很难,不能不说行业化内卷严峻,且近几年就业形势不断都不太好,一方面高校结业生逐年在递增,另一方面,市场的岗位需求趋近饱和,一岗难求。

基于此,本文利用智联雇用、BOSS曲聘等在线雇用平台的雇用人数数据,借助pandas和pyecharts两个包,绘造漏斗图,从雇用流程上解析人数的变革情况。

示例东西:anconda3.7

本文讲解内容:oPEnpyxl、pyecharts利用

适用范畴:雇用营业中的漏斗阐发

安拆及导入库

利用pip号令下载pyecharts包,并指定下载的包的版本是1.9.0版本,若是下载速度比力慢的话,后面能够加一个-i清华镜像下载包,当呈现Sussessfully的字样时,就表白pyecharts包已经安拆好。

!pip install pyecharts==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple互联网人员雇用漏斗若何造做?超简单,一文告诉你  第1张

那里我们导入openpyxl库用于数据导入,以及pyecharts库用于数据可视化。

from IPython.core.interactiveshell import InteractiveShellInteractiveShell.ast_node_interactivity = "all"import openpyxlfrom pyecharts import options as optsfrom pyecharts.charts import Funnel,Grid,Bar,Page数据导入

利用openpyxl库数据导入,读取指定途径的数据表,并指定读取工做表1该sheet表下的数据。

# 读取excel数据workbook = openpyxl.load_workbook(r'C:\Desktop\雇用数据.xlsx') sheet = workbook['工做表1']

新建一个空的列表[ ],利用sheet['A'][0].value能够读取指定单位格内的数据,若是要读取指定单位格区域的数据,能够利用for轮回停止轮回读取,用append号令将读取的数据合并在列表中,导入智联雇用数据如下。

value1 = []title1 = sheet['A'][0].valuefor cell in (sheet['B'][1::]): #定位数据位置 value1.append(cell.value)title1value1互联网人员雇用漏斗若何造做?超简单,一文告诉你  第2张

同理导入BOSS曲聘数据。

value2 = []title2 = sheet['F'][0].valuefor cell in (sheet['G'][1::]): #定位数据位置 value2.append(cell.value)title2value2互联网人员雇用漏斗若何造做?超简单,一文告诉你  第3张

导入出息无忧的数据如下。

value3 = []title3 = sheet['K'][0].valuefor cell in (sheet['L'][1::]): #定位数据位置 value3.append(cell.value)title3value3互联网人员雇用漏斗若何造做?超简单,一文告诉你  第4张

导入指定的数据区域。

value4 = []for cell in (sheet['Q'][1::]): #定位数据位置 value4.append(cell.value) value4互联网人员雇用漏斗若何造做?超简单,一文告诉你  第5张

构建数据集

想要做出漏斗图,需要构造出含字段标签的数据集,我们利用列表解析式来生成,若是要做差别公司的漏斗图,就要别离构造数据集,数据集成果如下。

attr = ["阅读","简历", "约面", "到面", "offer","入职"]value1 = [int(i) for i in value1]data1 = [[attr[i], value1[i]] for i in range(len(attr))]data1互联网人员雇用漏斗若何造做?超简单,一文告诉你  第6张

data2 = [[attr[i], value2[i]] for i in range(len(attr))]data2互联网人员雇用漏斗若何造做?超简单,一文告诉你  第7张

data3 = [[attr[i], value3[i]] for i in range(len(attr))]data3互联网人员雇用漏斗若何造做?超简单,一文告诉你  第8张

数据可视化

绘造智联雇用人数的漏斗图,利用可视化对象Funnel(),导入数据data1,其他可视化设置装备摆设能够默认或者利用参数停止设置,.render_notebook()号令可在notebook在线展现。

funnel1=( Funnel() .add( series_name="人数/人", #sort_='ascending', data_pair=data1, gap=2, tooltip_opts=opts.TooltipOpts(), label_opts=opts.LabelOpts(is_show=True, position="inside"), itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1), ) .set_global_opts(title_opts=opts.TitleOpts(title=title1, subtitle="雇用人数转化漏斗阐发")))funnel1.render_notebook()互联网人员雇用漏斗若何造做?超简单,一文告诉你  第9张

同理造做BOSS曲聘的雇用人数漏斗图。

funnel2=( Funnel() .add( series_name="人数/人", #sort_='ascending', data_pair=data2, gap=2, tooltip_opts=opts.TooltipOpts(), label_opts=opts.LabelOpts(is_show=True, position="inside"), itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1), ) .set_global_opts(title_opts=opts.TitleOpts(title=title2, subtitle="雇用人数转化漏斗阐发")))funnel2.render_notebook()互联网人员雇用漏斗若何造做?超简单,一文告诉你  第10张

还有出息无忧的雇用人数漏斗图。

funnel3=( Funnel() .add( series_name="人数/人", #sort_='ascending', data_pair=data3, gap=2, tooltip_opts=opts.TooltipOpts(), label_opts=opts.LabelOpts(is_show=True, position="inside"), itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1), ) .set_global_opts(title_opts=opts.TitleOpts(title=title3, subtitle="雇用人数转化漏斗阐发")))funnel3.render_notebook()互联网人员雇用漏斗若何造做?超简单,一文告诉你  第11张

若是想要做一个词云图,按照关键词的大小来呈现雇用人数的几,导入视觉对象WorDCloud,而且构造数据集words,即可造做词云图。

from pyecharts import options as optsfrom pyecharts.charts import WordCloudwords = [(attr[i], value4[i]) for i in range(len(attr))]wordcloud=( WordCloud() .add( "人数", words, word_size_range=[30, 100], textstyle_opts=opts.TextStyleOpts(font_family="cursive")) .set_global_opts(title_opts=opts.TitleOpts(title="面试人数词云图")) )wordcloud.render_notebook()互联网人员雇用漏斗若何造做?超简单,一文告诉你  第12张

成果导出

以上做出各个雇用公司的雇用人数漏斗图,可看出,在整个雇用过程中,从网站阅读到挑选简历的过程中,根本有一半简历会被刷下来,所以,在找工做时,尤其要写出一份精巧的简历,优良的简历让人面前一亮,制止第一关就被PASS掉,可视化做出来后利用page号令,将前面的成果呈如今一张界面中,并能够保留为网页版成果。

page = Page(laYOUt=Page.SimplePageLayout)#layout=Page.DraggablePageLayout自定义规划page.add(funnel1,funnel2,funnel3,wordcloud)page.render(r"C:\Desktop\雇用人数漏斗阐发.html")互联网人员雇用漏斗若何造做?超简单,一文告诉你  第13张

三年互联网数据阐发经历,擅长Excel、SQL、Python、PowerBI数据处置东西,数据可视化、贸易数据阐发技能,统计学、机器进修常识,持续创做数据阐发内容,点赞存眷,不迷路。