如何分析「數據分析師」的崗位？

• 2019 年 10 月 8 日
• 筆記

作者 | 劉順祥

來源 | 數據分析1480

前言

• 哪些省份和城市對數據分析師的需求比較高？
• 數據分析師崗位在全國和TOP3城市的薪資差異是否顯著？
• 企業在招聘數據分析師崗位時，對應聘者的工作經驗和學歷要求是怎樣的？
• 不同的工作經驗和學歷在薪資上是否存在差異呢？
• 招聘數據分析師崗位的企業，都是哪些類型的企業？

實操

數據分析師在全國的需求分布

# 導入第三方模組  import pandas as pd  import numpy as np  import matplotlib.pyplot as plt    # 讀入招聘資訊的數據  jobs = pd.read_excel('jobs.xlsx')  # 數據預覽  jobs.head(5)

考慮到招聘崗位的數據中含有城市資訊（city變數），不妨再結合城市與省份的數據，在原有的數據基礎上再添加省份欄位，程式碼如下：

# 讀取省份與城市的對應數據  Province_City = pd.read_excel('Province_City.xls')  # 將省份資訊加入到jobs表中  jobs = pd.merge(left = jobs, right = Province_City,                 left_on='city', right_on='City')  # 刪除jobs表中的City變數（該變數是多餘的）  jobs.drop(labels='City', axis = 1, inplace = True)

接下來，我們來探索一下數據分析師崗位在全國各省份和各城市的需求情況：

# 設置中文和負號正常顯示  plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'  plt.rcParams['axes.unicode_minus'] = False    # 近5000個數據分析的職位，在各省份的分布（Top10）  jobs.Province.value_counts()[:10].plot(kind = 'bar', color = 'steelblue', alpha = 0.8)  # 顯示圖形  plt.show()

如上圖所示，這裡顯示了全國各省招聘數據分析師崗位數量的Top10，不難發現，前三甲都是中國非常發達的省份。但比較令我吃驚的是山東和安徽排在了江蘇前面，所以，個人覺得數據相關的崗位在山東和安徽也有比較好的市場（可能大家還不知道哦，山東在全國的GDP排在了第三呢，絕對是低調的奢華）。在了解了各省份的需求情況，再從城市維度看一下Top10的分布：

# 近5000個數據分析的職位，在全國各城市的分布（Top10）  jobs.city.value_counts()[:10].plot(kind = 'bar', color = 'steelblue', alpha = 0.8)  # 顯示圖形  plt.show()

如上圖所示，從城市級別來看，北京、上海和深圳對數據分析崗的需求最多，尤其是北京，她的需求量甚至超過了上海、深圳、合肥的總和。那麼，可能會有網友非常關心數據分析師崗位的薪資情況，下面我們就針對薪資做一個探索和介紹。

薪資水平的探索

需要說明的是，由於原始數據中絕大多數的薪資都是一個範圍，如「10K-15K」，當然還有其他形式的薪資，如「薪資面議」、「校招」和「1K一下」。對於這些非數值的薪資，我是這樣處理的：

• 對於有範圍的薪資，取範圍中兩個數的平均值，如「10K-15K」的平均值為12.5K；
• 對於「薪資面議」的情況，當作缺失值，後面將以整體薪資的中位數作為填充；
• 對於「校招」的情況，根據個人的經驗，按3500元的待遇為填充（主要是發達城市，由於發達城市的需求超過了總需求的一半）；
• 對於薪資為「1K以下」的情況，月薪設置為1000；

下面就通過具體的程式碼，對薪資數據進行處理和探索：

# 將未知薪資的特殊數據提取出來  salary1 = jobs.salary[jobs.salary.isin(['薪資面議','校招','1K以下'])]  # 將有薪資範圍的數據提取出來  other_salary = jobs.salary[~jobs.salary.isin(['薪資面議','校招','1K以下'])]  # 提取出薪資的下界  salary_low = other_salary.str.replace('K','').str.split('-').apply(lambda x: float(x[0]))  # 提取出薪資的上界  salary_high = other_salary.str.replace('K','').str.split('-').apply(lambda x: float(x[1]))    # 對於薪資為面議的情況，將其轉換為缺失值，並用整體水平的平均值代替  salary1[salary1 == '薪資面議'] = np.nan  # 對於薪資為校招的情況，根據經驗將月薪設置為3500  salary1[salary1 == '校招'] = 3500  # 對於薪資為1K以下的情況，月薪設置為1000  salary1[salary1 == '1K以下'] = 1000    # 將處理好的薪資水平作合併  salary2 = pd.concat([salary1,1000*(salary_low+salary_high)/2])  # 使用薪資的中位數填充缺失值  salary2.fillna(value = salary2.median(), inplace=True)    # 繪製薪資數據的直方圖（設置組距為3000）  salary2.plot(kind = 'hist',              bins = np.arange(salary2.min()-1000,                               salary2.max()+3000,3000),                               color = 'steelblue', edgecolor = 'black')  plt.show()

如上結果所示，為全國薪資的直方圖，從圖中可知，絕大多數崗位的薪資落在3K-12K。如果只考慮北京、上海和深圳這三個城市（因為需求量大，經濟發達），可以進一步得到該崗位的薪資範圍，程式碼如下：

# 給salary2向量設置名稱屬性  salary2.name = 'salary2'  # 將salary2欄位加入到jobs數據集中  jobs = pd.concat([jobs, salary2], axis = 1)    # 繪製北上深三個城市的薪資直方圖  salary_subset = salary2[jobs.city.isin(['北京','上海','深圳'])]  salary_subset.plot(kind = 'hist',                    bins = np.arange(salary2.min()-1000,                                     salary2.max()+3000,3000),                                     color = 'steelblue', edgecolor = 'black')  plt.show()

如上圖所示，對於一線城市的數據分析師崗位而言，絕大多數崗位的薪資在6K-15K，相比於全國的水平，要高一個階段。所以，一線城市的薪資和全國比較，還是存在顯著差異的。當然，讀者如果感興趣，也可以從定量的角度（採用t檢驗），驗證一線城市和全國的薪資差異。

企業對工作經驗和學歷的要求

在聊完企業提供的薪資後，就該聊聊他們對應聘者學歷和工作經的要求啦。由於學歷變數的水平值過多，故考慮把幾個相似的學歷作合併處理，如將高中、中技、中專和大專設置為」本科以下」，其他的學歷不調整：

# 將受教育水平劃分為本科以下、本科、碩士、博士和不限五種  jobs.eduLevel[jobs.eduLevel.isin(['高中','中技','中專','大專'])] = '本科以下'    # 設置圖框，將橫、縱坐標軸作標準化處理，保證餅圖是一個正圓，否則為橢圓  plt.axes(aspect='equal')  jobs.eduLevel.value_counts().plot(kind = 'pie', autopct='%.1f%%',                                   explode = [0,0.1,0,0,0]) # 突出顯示「本科以下」的學歷  # 去除y軸標籤  plt.ylabel('')  plt.show()

如上餅圖所示，本科學歷的比重最多，佔到43.8%；其次是本科以下的學歷，佔比為37%；排第三的是學歷不限，個人覺得對於學歷不限的情況，企業可能更看重應聘者的工作經驗。很奇怪的是，對於碩士和博士這樣的高學歷，總共佔比才3.8%（個人覺得可能是11月份屬於招聘淡季，對高學歷人才的需求比較低）。同理，在了解一下工作經驗的分布情況：

plt.axes(aspect='equal')  jobs.workingExp.value_counts().plot(kind = 'pie', autopct='%.1f%%')  plt.ylabel('')  plt.show()

如上圖所示，企業對於工作年限不限的比例最高，其次是1~3年，緊接著是3~5年。這個分布比例其實還是非常特殊的，本人只能將其歸咎於11月份時間節點不好，一是用人單位想招人招不到，故放低經驗要求，二是有工作經驗的人在此時不願意跳槽。

前文的幾個餅圖全都是基於全國所有城市的數據繪製出來的，感興趣的朋友也可以篩選出一線城市（如北京、上海、深圳、廣州等），並對其探索用人單位對學歷和工作經驗的要求。

工作經驗和學歷對薪資的影響

接下來要探索的就是不同學歷和工作經驗在薪資上的差異，這裡重點關注一線城市（以北京、上海、深圳和廣州為例）的數據特徵。

# 不同的工作年限，在薪資上的體現（限定在北京、上海、深圳和廣州四個城市）  # 篩選指定城市的數據  jobs_subset = jobs.loc[jobs.city.isin(['北京','上海','深圳','廣州']),]  # 按工作經驗分組  grouped = jobs_subset.groupby(by = 'workingExp')  # 計算各工作經驗下的平均薪資  Exp_Salary = (grouped.aggregate('mean')['salary2']).sort_values(ascending = False)  # 繪製條形圖  Exp_Salary.plot(kind='bar', color = 'steelblue', alpha = 0.8)  # 添加數值標籤  for x,y in enumerate(Exp_Salary):     plt.text(x,y+1000,'%s' %round(y,1),ha='center')  # 限定y軸範圍  plt.ylim(7000,90000)  # 去除x軸標籤  plt.xlabel('')  plt.show()

如上圖所示，工作年限越長的對應的薪資水平就越高（最為突出的是十年以上的工作經驗，平均薪資在85000）。總體來說，數據分析的工種在各個工作年限上的平均薪資還是比較高的（相比於其他工種而言，如會計、銷售、服務業等）。同理，也可以根據上面的程式碼，稍作修改，就可以繪製出不同學歷在薪資上的差異條形圖：

# 不同的學歷，在薪資上的體現（限定在北京、上海、深圳和廣州四個城市）  grouped = jobs_subset.groupby(by = 'eduLevel')  Edu_Salary = (grouped.aggregate('mean')['salary2']).sort_values(ascending = False)  Edu_Salary.plot(kind='bar', color = 'steelblue', alpha = 0.8)  for x,y in enumerate(Edu_Salary):     plt.text(x,y+1000,'%s' %round(y,1),ha='center')  plt.ylim(7000,20000)  plt.xlabel('')  plt.show()

如上圖所示，碩士的平均薪資是最高的，其次是本科，而博士學歷還是挺出乎預料的，盡然排在了第三。後來從數據中查詢發現，博士學歷的崗位只有三個，都屬於北京的崗位，薪資分別是6K-12K、15K-25K和10K-20K。需要注意的是，這裡探索得到的結論（博士學歷薪資第三）並不代表普遍現象，可能還要歸咎於爬出來的數據屬於11月份的時間節點，如果是來年的3~4月份，也許數據會更加接近真實。

OK，橫向對比工作經驗和學歷水平，不難發現，工作經驗絕對能夠影響到薪資水平，試想，如果站在企業的角度考慮，相信他們更看重的是應聘者的工作經驗，而非學歷。

企業的類型分布

最後，再來探索一個問題，招聘數據分析師崗位的企業，都屬於哪些類型的企業呢？這裡通過Python程式碼繪製企業類型的條形圖：

# 各企業類型的分布比例  (jobs.type.value_counts()/jobs.shape[0]).plot(kind = 'bar', color = 'steelblue', alpha = 0.8)  # 顯示圖形  plt.show()

如上圖所示，在搜集的近5000個數據分析職位，民營企業佔到一半以上；其次是股份制企業，佔比為18%左右；排在第三的是合資企業，這三類企業佔到所有企業的80%以上。