数据集 | 用来练习pandas的招聘数据

- 数据集名：招聘数据集
- 采集时间：2018.7
- 数据来源：58同城、智联招聘
- 记录数: 1701992

百度网盘链接: https://pan.baidu.com/s/1arYXcrexLW__SFF5AbjAaA?pwd=sfg5 提取码: sfg5 

import pandas as pd

df = pd.read_csv('2018.7招聘数据.csv.gz', compression='gzip')

#使用bandizip或winrar解压gz，得到csv
#df = pd.read_csv('2018.7招聘数据.csv')
df.head()

len(df)

1701992

df['省份'].value_counts()

省份
北京市         410142
上海市         364047
河南省         156374
福建省         120816
广东省         101390
湖北省          63507
河北省          57152
江苏省          52360
四川省          51849
山东省          46956
重庆市          43153
湖南省          41438
陕西省          32108
浙江省          31838
黑龙江省         20466
贵州省          17837
辽宁省          15015
海南省          14412
云南省          13542
广西壮族自治区      12842
吉林省          11502
江西省           9638
新疆维吾尔自治区      5071
天津市           3681
安徽省           3547
山西省           1308
Name: count, dtype: int64

df['学历'].value_counts()

学历
学历不限    999542
大专      286629
高中      123481
中专      100423
不限       84206
本科       83400
中技       10810
技校        6736
硕士        6151
博士         613
Name: count, dtype: int64

df[df['学历']=='博士']

df['岗位描述'].fillna('').str.len()

0           974
1           457
2           731
3           430
4           348
           ... 
1701987     294
1701988    1029
1701989     322
1701990      25
1701991     377
Name: 岗位描述, Length: 1701992, dtype: int64

#一个词
#df[df['岗位描述'].fillna('').str.contains('抗压能力强')].head()

#多个词用|间隔
df[df['岗位描述'].fillna('').str.contains('抗压能力强|压力大')].head()

print('压力占比', df['岗位描述'].fillna('').str.contains('抗压能力强|压力大').sum()/ len(df))

print('轻松占比', df['岗位描述'].fillna('').str.contains('工作轻松|压力小').sum()/ len(df))

压力占比 0.012797357449388716
轻松占比 0.018608195573187183

百度网盘链接: https://pan.baidu.com/s/1arYXcrexLW__SFF5AbjAaA?pwd=sfg5 提取码: sfg5