一、数据集概况

数据集名: 英国公司(职位)评论数据
数据来源: Glassdooor
覆盖日期: 2008-01-25 ~ 2023-07-26
评价数量: 9901889 条
公司数量: 35541家
下载数据: https://www.kaggle.com/datasets/davidgauthier/glassdoor-job-reviews-2/data
本文声明: 科研用途； 如分享有问题，可加微信372335839，备注「姓名-学校-专业」


1.1 网站介绍

Glassdoor 成立于2007年，总部位于美国加利福尼亚州的 Mill Valley。 Glassdoor允许员工匿名发布对公司、工作环境、薪资等方面的评价，同时也提供了职位搜索、公司评分、面试经验分享等功能，为求职者和在职员工提供参考。

尽管Glassdoor起源于美国，但它已经扩展到包括英国在内的多个国家和地区，为全球用户提供服务。这意味着用户可以在Glassdoor上查找来自世界各地的公司信息和职位空缺，包括但不限于：

  • 公司评论和评分
  • 薪资报告
  • 面试问题和经验
  • 职位招聘信息

因此，虽然Glassdoor可以在英国使用，并且对英国的职场人士非常有用，但它并不是一个仅限于英国或由英国运营的网站。它是一个跨国平台，旨在为全球用户提供有关职场和招聘过程中的透明信息。


1.2 字段

-  rating                    总体评分(1~5分)
-  title                     评论的标题
-  status                    员工状态(在职、离职，以及在该公司的工作时长)
-  pros                      公司的优点
-  cons                      公司的缺点
-  advice                    建议
-  Recommend                 推荐程度(v正面，r轻微，x负面，o无意见)
-  CEO Approval              对CEO的认可程度(v正面，r轻微，x负面，o无意见)
-  Business Outlook          公司(业务)前景(v正面，r轻微，x负面，o无意见)
-  Career Opportunities      职业发展机会评分(1~5分) 
-  Compensation and Benefits 薪酬与福利评分(1~5分) 
-  Senior Management         高级管理层评分(1~5分) 
-  Work/Life Balance         工作与生活平衡评分(1~5分) 
-  Culture & Values          文化&价值观评分(1~5分) 
-  Diversity & Inclusion     多样性&包容性评分(1~5分) 
-  firm_link                 公司链接
-  date                      评论发布日期
-  job                       职位



二、实验

2.1 读取数据

%%time
import pandas as pd

df = pd.read_csv('glassdoor_review.csv')
df.head()

Run

CPU times: user 27.4 s, sys: 3.47 s, total: 30.9 s
Wall time: 31 s


2.2 字段缺失程度

import missingno as ms

ms.matrix(df)

从上图可知， advice字段条纯白， 几乎全为缺失值。 而黑白相间的则存在一定比例的缺失值， 如

  • Career Opportunities
  • Compensation and Benefits
  • Senior Management
  • Work/Life Balance
  • Culture & Values
  • Diversity & Inclusion

2.3 公司数

数据集中涉及的公司数量

print('公司数:', df.firm_link.nunique())

Run

公司数:35541

2.4 覆盖日期

员工评价发布日期覆盖(起止)范围

df['date'] = pd.to_datetime(df['date'])
print('覆盖日期: ', df.date.min().date(), '~', df.date.max().date())
print()

Run

覆盖日期: 2008-01-25 ~2023-07-26

三、可视化

可视化数据集内英国公司评论记录量（2008.1~2023.7），绘制柱状图。

from plotnine import *
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

#文泉驿微米黑.ttf位于代码同文件夹
font_prop = FontProperties(fname='文泉驿微米黑.ttf') 

years = []
volumes = []


df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
for date, y_df in df.groupby(pd.Grouper(freq='YE')):
    years.append(date.year)
    volumes.append(len(y_df))

data = pd.DataFrame({'year': years, 
                     'volume': volumes})


(
    ggplot(data,  aes(x='year', y='volume'))
    +geom_bar(stat='identity')
    +labs(title='数据集内英国公司评论记录量（2008.1~2023.7）',
          x = '', 
          y = '')
    +geom_text(aes(label = 'volume'),  # 添加数据标签
               va = 'bottom',           # 垂直对齐方式为底部（即在柱子顶部）
               size = 8,                # 设置字体大小
               format_string='{}')     # 格式化字符串
    +theme(figure_size=(10, 6),
           text = element_text(family = font_prop.get_name(), size=14), 
           plot_title = element_text(family = font_prop.get_name(), size=18)
          )
    +scale_x_continuous(breaks=range(2008, 2024, 5)) 

)