df.loc[:,
'公司規模'
我們把公司規模按照人數分為3類：2000人的為大型公司，15人的為小型公司，其他為中型公司。則有，大型企業：156 ， 中型企業：244 ， 小型企業：10。
plt.figure(figsize=(6
,9))
#定義餅狀圖的標籤，標籤是列表
labels =
[u'大型企業'
,u'中型企業'
,u'小型企業'
]#每個標籤占多大，會自動去算百分比
sizes =
[156
,244,10
]colors =
['red'
,'yellowgreen'
,'lightskyblue'
]#將某部分**出來， 使用括號，將第一塊分割出來，數值的大小是分割出來的與其他兩塊的間隙
explode =
(0.05,0
,0)
patches,l_text,p_text = plt.pie(sizes,explode=explode,labels=labels,colors=colors,
labeldistance =
1.1,autopct =
'%3.1f%%'
,shadow =
true
, startangle =
90,pctdistance =
0.6)
# 引數：
#labeldistance，文字的位置離遠點有多遠，1.1指1.1倍半徑的位置
#autopct，圓裡面的文字格式，%3.1f%%表示小數有三位，整數有一位的浮點數
#shadow，餅是否有陰影
#startangle，起始角度，0，表示從0開始逆時針轉，為第一塊。一般選擇從90度開始比較好看
#pctdistance，百分比的text離圓心的距離
#patches, l_texts, p_texts，為了得到餅圖的返回值，p_texts餅圖內部文字的，l_texts餅圖外label的文字
#改變文字的大小
#方法是把每乙個text遍歷。呼叫set_size方法設定它的屬性
for t in l_text:
t.set_size(20)
for t in p_text:
t.set_size(15)
# 設定x，y軸刻度一致，這樣餅圖才能是圓的
plt.axis(
'equal'
)plt.title(
'資料分析崗位企業規模'
[u'大型企業'
,u'中型企業'
,u'小型企業'
]#每個標籤占多大，會自動去算百分比
sizes =
[156
,244,10
]plt.pie(sizes, labels=labels, startangle =
90,autopct =
'%3.1f%%'
,pctdistance =
0.8,
counterclock =
false
, wedgeprops =);
for t in l_text:
t.set_size(20)
for t in p_text:
t.set_size(15)
plt.axis(
'equal'
)plt.title(
'資料分析崗位企業規模'
使用seaborn、pyecharts進行畫圖，與matplotlib進行對比。
# seaborn
plt.figure(figsize=(10
,10), dpi=80)
x = city[:15
].index
y = city[:15
].values
sns.barplot(x=x, y=y, data=df,capsize=
.05)
plt.xlabel(
'城市'
)plt.ylabel(
'職位數量'
)plt.title(
'城市與職位數量'
)plt.show(
)
# pyecharts
x = city[:15
].index
y = city[:15
].values
x1 =
list
(x)# y1 = list(y)
y1=[
147,
109,40,
22,17,
12,11,
8,5,
4,4,
4,3,
3,3]
bar = bar(
)#指定柱狀圖的橫座標
bar.add_xaxis(x1)
#指定柱狀圖的縱座標，而且可以指定多個縱座標
bar.add_yaxis(
"職位數量"
, y1)
bar.set_global_opts(title_opts=opts.titleopts(title=
"城市與職位數量"))
'城市'
)plt.ylabel(
'職位數量'
)plt.title(
'城市與平均月薪'
)plt.legend(loc=
"upper right"
)plt.show(
)
matplotlib：
*end
「資料分析」崗位分析
行業內公司的融資情況從一定程度上說明了選擇資料分析崗位的穩定性 佔比情況是所有職位累加在一起，未區分職位 不需要融資的公司佔比60 d輪以上的公司42 其實很多不需要融資的公司，規模也是很大的，可以結合公司規模來判斷公司的情況如何，是否值得去發展。提供資料類職位的公司，規模還算比較大的 500人以上...
資料分析崗位面試必備
資料分析遵循一定的流程，不僅可以保證資料分析每乙個階段的工作內容有章可循，而且還可以讓分析最終的結果更加準確，更加有說服力。一般情況下，資料分析分為以下幾個步驟 包括特徵提取 特徵構建 特徵選擇。特徵工程的目的是篩選出更好的特徵，獲取更好的訓練資料。因為好的特徵具有更強的靈活性，可以用簡單的模型做訓...
資料分析與挖掘案列 拉勾網資料分析崗位分析
無論出於興趣或者職業發展，於是最近開始做各種大小專案實踐，以拉勾網資料分析招聘職位分析廣州求職競爭情況！tools chrome python 3.6 jupyter os mac osx 在拉勾網搜尋頁面輸入資料分析，並且定位為廣州，用f12開啟開發除錯工具，根據下圖示紅的地方檢視詳細資訊 在ge...