python數(shù)據(jù)可視化自制職位分析生成崗位分析數(shù)據(jù)報表
發(fā)布日期：2021-12-31 00:03 | 文章來源：CSDN
為什么要進行職位分析？職位分析是人力資源開發(fā)和管理的基礎與核心，是企業(yè)人力資源規(guī)劃、招聘、培訓、薪酬制定、績效評估、考核激勵等各項人力資源管理工作的依據(jù)。其次我們可以根據(jù)不同崗位的職位分析，可視化展示各崗位的數(shù)據(jù)分析報告。
首先我們來看看分析展示的效果：
下面，我們開始介紹這個小工具的制作過程。
1. 核心功能設計
總體來說，我們的這款職位分析器可以通過輸入崗位關鍵字和崗位條數(shù)，自動爬取相關崗位的數(shù)據(jù)，并對爬蟲的崗位可視化表格展示。然后分析這些崗位數(shù)據(jù)的公司類型規(guī)模，對學歷要求，薪資分布等。
拆解需求，大致可以整理出核心功能如下：
可視化展示崗位表格數(shù)據(jù)
通過輸入的崗位關鍵字和獲取條數(shù)，自動爬取職位數(shù)據(jù)對爬蟲的職位原始數(shù)據(jù)進行清洗讀取展示清洗后的職位數(shù)據(jù)
分析崗位薪資情況
根據(jù)工作年限及對應平均薪資，繪制工作經(jīng)驗年限和薪資折線圖統(tǒng)計匯總薪資分布區(qū)間，了解該崗位薪資情況，展示薪資分布直方圖
分析崗位公司情況
展示崗位中公司類型分布情況，包含民營企業(yè)、合資、上市、外企等等展示公司規(guī)模人數(shù)分布情況，包含少于50人,50-150，150-500等等統(tǒng)計崗位對于學歷的要求
數(shù)據(jù)分析導出
對于可視化數(shù)據(jù)進行彈窗預覽，并將數(shù)據(jù)導出保存
基本的核心功能確定，下面我們我們首先開始GUI設計。
2. GUI設計與實現(xiàn)
基于功能點，我們可以先考慮進行簡單的UE布局設計，然后再通過GUI開發(fā)庫進行設計，這里采用的是tkinker，主要是簡單方便。
基于UI設計，我們gui設計編碼如下：
# 創(chuàng)建主窗口
root = Tk()
root.title('職位查詢分析數(shù)據(jù)平臺 -- Dragon少年')
# 設置窗口大小
root.minsize(1380, 730)
root.resizable(False, False)
#得到屏幕寬度
sw = root.winfo_screenwidth()
#得到屏幕高度
sh = root.winfo_screenheight()
ww = 1380
wh = 730
x = (sw-ww) / 2
y = (sh-wh) / 2
root.geometry("%dx%d+%d+%d" %(ww,wh,x,y))
frame_left_top = Frame(width=1050, height=400)
frame_right_top = Frame(width=320, height=400)
# 定義列表區(qū)域
tree = ttk.Treeview(frame_left_top, show="headings", height=18,
columns=("n", "a", "b", "c", "d", "e", "f", "g", "h"))
vbar = ttk.Scrollbar(frame_left_top, orient=VERTICAL, command=tree.yview)
# 定義樹形結(jié)構與滾動條
tree.configure(yscrollcommand=vbar.set)
# 表格的標題
tree.column("n", width=60, anchor="center")
tree.column("a", width=180, anchor="center")
tree.column("b", width=200, anchor="center")
tree.column("c", width=100, anchor="center")
tree.column("d", width=100, anchor="center")
tree.column("e", width=80, anchor="center")
tree.column("f", width=100, anchor="center")
tree.column("g", width=90, anchor="center")
tree.column("h", width=90, anchor="center")
tree.heading("n", text="序號")
tree.heading("a", text="崗位名稱")
tree.heading("b", text="公司名稱")
tree.heading("c", text="公司類型")
tree.heading("d", text="公司規(guī)模")
tree.heading("e", text="學歷")
tree.heading("f", text="工作經(jīng)驗")
tree.heading("g", text="最低工資（k）")
tree.heading("h", text="最高工資（k）")
tree.grid(row=0, column=0, sticky=NSEW)
vbar.grid(row=0, column=1, sticky=NS)
# 整體區(qū)域定位
frame_left_top.grid(row=0, column=0, padx=4, pady=5)
frame_right_top.grid(row=0, column=1, padx=2, pady=2)
frame_left_top.grid_propagate(0)
frame_right_top.grid_propagate(0)
type_str=StringVar()
#設置滾動窗口文本
habits = tk.LabelFrame(root, text="公司類型", padx=10, pady=4 ) # 水平，垂直方向上的邊距均為 10
habits.place(x=1035, y=170)
habits_Window = Label(habits, textvariable=type_str, width=30, height=10, font=('楷體', 12))
habits_Window.grid()
size_str=StringVar()
#設置滾動窗口文本
company_size = tk.LabelFrame(root, text="公司規(guī)模", padx=10, pady=4 ) # 水平，垂直方向上的邊距均為 10
company_size.place(x=1035, y=370)
company_size_Window = Label(company_size, textvariable=size_str, width=30, height=8, font=('楷體', 12))
company_size_Window.grid()
edu_str=StringVar()
#設置滾動窗口文本
company_edu = tk.LabelFrame(root, text="學歷要求", padx=10, pady=4 ) # 水平，垂直方向上的邊距均為 10
company_edu.place(x=1035, y=540)
company_edu_Window = Label(company_edu, textvariable=edu_str, width=30, height=8, font=('楷體', 12))
company_edu_Window.grid()
# 打開文件
# right_top_button = Button(frame_right_top, text="打開文件", command=lambda :openFile(), font=('楷體', 12))
input_name = Label(frame_right_top, text='崗位關鍵字:', font=('楷體', 12)).place(x=0, y=10)
label = StringVar()
entry = Entry(frame_right_top, bg='#ffffff', width=20, textvariable=label, font=('楷體', 12)).place(x=120, y=10)
input_num = Label(frame_right_top, text='數(shù)據(jù)條數(shù):', font=('楷體', 12)).place(x=0, y=50)
label_num = StringVar()
entry_num = Entry(frame_right_top, bg='#ffffff', width=15, textvariable=label_num, font=('楷體', 12)).place(x=80, y=50)
btn_search = Button(frame_right_top, text="查詢輸出", command=lambda :openFile(label, label_num), font=('楷體', 12)).place(x=210, y=50)
right_pic_button = Button(frame_right_top, text="工作經(jīng)驗對應薪資圖", command=lambda: show_plot(), font=('楷體', 12)).place(x=0, y=90)
right_hist_button = Button(frame_right_top, text="工資分布圖", command=lambda: show_hist(), font=('楷體', 12)).place(x=180, y=90)
right_data_button = Button(frame_right_top, text="數(shù)據(jù)分析", command=lambda: show_data(), font=('楷體', 12)).place(x=0, y=130)
主界面中各個控件創(chuàng)建，主要包含label-文本，Entry-文本輸入框，Treeview-表格樹，LabelFrame-控件容器等等。
效果如下：
3. 功能實現(xiàn)
我們明確功能點以及有了GUI布局后，可以正式開始實現(xiàn)功能邏輯。
3.1 職位數(shù)據(jù)爬蟲
關于職位數(shù)據(jù)爬取，我們爬取的是51job的數(shù)據(jù)，編寫一個函數(shù)。按照核心功能要求，這個函數(shù)通過參數(shù)職位關鍵字及數(shù)據(jù)條數(shù)，自動爬取并將數(shù)據(jù)保存。
首先我可以通過對51job職位搜索頁面進行分析，獲取一個列表頁，代碼如下：
# 獲取一個列表頁
def geturl(url):
headers = {
'User-Agent': 'User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
'(KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
}
# 使用通用爬蟲對url進行一頁進行爬取
page_text = requests.get(url=url, headers=headers).text # 每一頁源碼用text
# print(page_text)
return page_text
其次通過對具體職位頁面數(shù)據(jù)分析，獲取列表頁的所有崗位信息。主要包含崗位名稱、公司名稱、薪資水平、公司類型、招聘條件、福利待遇等等。代碼如下：
# 獲取列表頁的所有崗位信息 def get_data(page_text): # 正則表達式提取崗位信息 job_href = '"job_href":"(.*?)"' # 崗位鏈接 job_name = '"job_name":"(.*?)"' # 崗位名稱 com_href = '"company_href":"(.*?)"' # 公司鏈接 com_name = '"company_name":"(.*?)"' # 公司名稱 salary = '"providesalary_text":"(.*?)"' # 薪資水平 company_type = '"companytype_text":"(.*?)"' # 公司類型 attribute = '"attribute_text":\[(.*?)\]' # 招聘條件 work_area = '"workarea_text":"(.*?)"' # 工作地點 company_size = '"companysize_text":"(.*?)"' # 公司規(guī)模 company_ind = '"companyind_text":"(.*?)"' # 主要業(yè)務 job_welf = '"jobwelf":"(.*?)"'# 福利待遇 # 第一個參數(shù)是規(guī)則，第二個參數(shù)是被檢索內(nèi)容，第三個參數(shù)re.S是單行匹配 jobName_list = re.findall(job_name, page_text, re.S) comName_list = re.findall(com_name, page_text, re.S) salary_list = re.findall(salary, page_text, re.S) companytype_list = re.findall(company_type, page_text, re.S) attribute_list = re.findall(attribute, page_text, re.S) workarea_list = re.findall(work_area, page_text, re.S) companysize_list = re.findall(company_size, page_text, re.S) companyind_list = re.findall(company_ind, page_text, re.S) jobwelf_list = re.findall(job_welf, page_text, re.S) all_list = [jobName_list, comName_list, salary_list, companytype_list, attribute_list, workarea_list, companysize_list, companyind_list, jobwelf_list] return all_list
最后將獲取崗位數(shù)據(jù)保存至csv文件中，方便后面對這些數(shù)據(jù)進行清洗。主要代碼如下：
# 主函數(shù)
def main(kw, num):
# 關鍵字二次轉(zhuǎn)譯
# kw = input("請輸入你要搜索的崗位關鍵字：")
keyword = parse.quote(parse.quote(kw))
page_num = 0
col = ["崗位名稱", "公司名稱", "薪資水平", "公司類型", "招聘條件", "工作地點", '公司規(guī)模', '主要業(yè)務', '福利待遇']
csv_file = open("51job.csv", "w+", encoding='utf-8', newline='')
try:
writer = csv.writer(csv_file)
writer.writerow(col)
for i1 in range(0, num): # 爬取前3頁數(shù)據(jù)
page_num += 1
url = "https://search.51job.com/list/080000,000000,0000,00,9,99," + keyword + ",2," + str(
page_num) + ".html"
page_text = geturl(url)
all_list = get_data(page_text)
if len(all_list[0]) == 0:
print('沒有搜索到職位信息')
break
else:
print('正在爬取第%d頁' % page_num)
save_data(all_list, writer, search_num=len(all_list[0]))
finally:
csv_file.close()
3.2 數(shù)據(jù)預處理
我們通過爬蟲已經(jīng)拿到了原始數(shù)據(jù)，接下來我們需要將這些數(shù)據(jù)清洗，去除異常值、缺失值，轉(zhuǎn)換我們要的數(shù)據(jù)格式。
首先我們可以對工作地點進行整理，我們爬取的數(shù)據(jù)，默認都是浙江省，我們按照浙江省各個地級市進行工作地點轉(zhuǎn)換，代碼如下：
job = pd.read_csv("51job.csv", encoding='utf-8')
df = pd.DataFrame(job)
dict_city = {'杭州': 0, '湖州': 0, '紹興': 0, '寧波': 0, '嘉興': 0, '麗水': 0, '臺州': 0, '溫州': 0, '金華': 0, '衢州': 0, '舟山': 0}
city = df.loc[:, "工作地點"]
print(city.shape[0])
for i in range(city.shape[0]):
# print(city[i])
for k, v in dict_city.items():
# print(k, v)
if k in city[i]:
dict_city[k] = dict_city[k] + 1
df.loc[i, "城市"] = k
break
# print(list(dict_city.keys()))
# print(list(dict_city.values()))
city_df = df["城市"]
if np.any(pd.notnull(df["城市"])):
df["城市"].fillna("其他", inplace=True)
# print(df["城市"].value_counts())
接著我們需要將原始數(shù)據(jù)得到的工資進行格式轉(zhuǎn)換，轉(zhuǎn)換成 k/月固定格式，并將整理的薪資數(shù)據(jù)單獨存儲保存下來。主要代碼如下：
def get_salary(salary):
if '-' in salary: # 針對1-2萬/月或者10-20萬/年的情況，包含-
low_salary = re.findall(re.compile('(\d*\.?\d+)'), salary)[0]
high_salary = re.findall(re.compile('(\d?\.?\d+)'), salary)[1]
if u'萬' in salary and u'年' in salary: # 單位統(tǒng)一成千/月的形式
low_salary = round(float(low_salary) / 12 * 10, 1)
high_salary = round(float(high_salary) / 12 * 10, 1)
elif u'萬' in salary and u'月' in salary:
low_salary = float(low_salary) * 10
high_salary = float(high_salary) * 10
else: # 針對20萬以上/年和100元/天這種情況，不包含-，取最低工資，沒有最高工資
low_salary = re.findall(re.compile('(\d*\.?\d+)'), salary)[0]
if u'萬' in salary and u'年' in salary: # 單位統(tǒng)一成千/月的形式
low_salary = round(float(low_salary) / 12 * 10, 1)
elif u'萬' in salary and u'月' in salary:
low_salary = float(low_salary) * 10
elif u'元' in salary and u'天' in salary:
low_salary = round(float(low_salary) / 1000 * 21, 1)# 每月工作日21天
elif u'元' in salary and u'小時' in salary:
low_salary = round(float(low_salary) / 1000 * 8 * 21, 1)# 每天8小時，每月工作日21天
high_salary = low_salary
return low_salary, high_salary
job = pd.read_csv("51job_pre.csv", encoding='utf-8')
job_df = job.drop("福利待遇", axis=1)
job_df = job_df.dropna(axis=0, how="any")
for index, row in job_df.iterrows():
salary = row["薪資水平"]
if salary: # 如果待遇這欄不為空，計算最低最高待遇
getsalary = get_salary(salary)
low_salary = getsalary[0]
high_salary = getsalary[1]
else:
low_salary = high_salary = "0"
job_df.loc[index, "最低工資（k）"] = low_salary
job_df.loc[index, "最高工資（k）"] = high_salary
job_df.loc[index, "平均工資（k）"] = round((float(low_salary) + float(high_salary)) / 2, 1)
job_df.to_csv("./51job_pre2.csv", index=False)
薪資整理結(jié)束之后，我們通過觀察可以看到招聘條件列中有我們需要的學歷和工作經(jīng)驗等數(shù)據(jù)，我們需要提取出單獨的學歷，工作經(jīng)驗等數(shù)據(jù)。代碼如下：
job_df.to_csv("./51job_pre2.csv", index=False)
job_df = pd.read_csv("51job_pre2.csv", encoding='utf-8')
job_df["學歷"] = job_df["招聘條件"].apply(lambda x: re.findall("本科|大專|高中|中專|碩士|博士|初中及以下", x))
job_df["工作經(jīng)驗"] = job_df["招聘條件"].apply(lambda x: re.findall(r',".*經(jīng)驗"|,"在校生/應屆生"', x))
job_df["學歷"] = job_df["學歷"].apply(func)
job_df["工作經(jīng)驗"] = job_df["工作經(jīng)驗"].apply(func2)
# 薪資水平,公司類型,招聘條件,工作地點,公司規(guī)模,主要業(yè)務,城市,最低工資（k）,最高工資（k）,平均工資（k）
job_df = job_df.drop(["薪資水平", "招聘條件", "工作地點", "主要業(yè)務", "城市"], axis=1)
job_df = job_df.dropna(axis=0, how="any")
job_df.to_csv("./51job_analysis.csv", index=False)
原始數(shù)據(jù)清洗整理完畢，我們就可以繼續(xù)編寫GUI的數(shù)據(jù)展示了。
3.3 崗位數(shù)據(jù)展示
上面我們已經(jīng)拿到了需要的數(shù)據(jù)，首先我們可以通過讀取保存的數(shù)據(jù)表格，可視化展示崗位數(shù)據(jù)表格。代碼主要如下：
def read_csv_define(csv_path):
x = tree.get_children()
for item in x:
tree.delete(item)
global job_df
job_df = pd.read_csv(csv_path, encoding='utf-8')
# print(job_df.shape[0])
for i in range(job_df.shape[0]):
tree.insert("", "end",
values=(i+1, job_df.loc[job_df.index[i], "崗位名稱"], job_df.loc[job_df.index[i], "公司名稱"],\
job_df.loc[job_df.index[i], "公司類型"], job_df.loc[job_df.index[i], "公司規(guī)模"], \
job_df.loc[job_df.index[i], "學歷"],job_df.loc[job_df.index[i], "工作經(jīng)驗"], \
job_df.loc[job_df.index[i], "最低工資（k）"], job_df.loc[job_df.index[i], "最高工資（k）"]))
def openFile(label, label_num):
sname = label.get()
num_str = label_num.get()
num = int(num_str)
rep.main(sname, int(num/50))
pre.main()
Filepath = "./51job_analysis.csv"
# 打開文件選擇對話框
# Filepath = filedialog.askopenfilename(filetypes=[('表格', '*.xls;*.csv')]) #過濾文件后綴類型
# print(os.path.split(Filepath))
(filepath, tempfilename) = os.path.split(Filepath) # 右側(cè)的值是元組類型
try:
# Filepath 當路徑存在的時候繼續(xù)
if Filepath:
# 傳輸excel表格的路徑
# 調(diào)用讀取數(shù)據(jù)的函數(shù)，趁著用戶正在查看查詢條件的時候 將數(shù)據(jù)注入到全局變量中 減少查詢等待
# 由于兩種表格文件的讀取模塊不同，需要做處理判斷屬于哪種文件類型，故采用下邊的方式進行判斷
# 從文件名中分離出后綴
(filename, extension) = os.path.splitext(tempfilename)
if extension == '.xls' or extension == '.XLS':
read_xls(Filepath)
elif extension == '.csv':
read_csv_define(Filepath)
else:
print('未選擇任何文件!')
# exit_program()
except Exception as e:
global job_df
job_df = pd.DataFrame()
tkinter.messagebox.showwarning('警告', '文件讀取異常，請檢查！')
print("ex:", e)
finally:
size_str.set("")
type_str.set("")
edu_str.set("")
canvas_spice.get_tk_widget().destroy()
canvas_spice_hist.get_tk_widget().destroy()
效果如下：
3.4 薪資圖表可視化
接下來我們可以對不同工作經(jīng)驗年限對應的薪資統(tǒng)計，繪制縮略折線圖。代碼如下：
def show_plot():
global canvas_spice
canvas_spice.get_tk_widget().destroy()
# 圖像及畫布
fig, ax = plt.subplots(figsize=(5, 3.2), dpi=100) # 圖像比例
canvas_spice = FigureCanvasTkAgg(fig, root)
canvas_spice.get_tk_widget().place(x=5, y=400) # 放置位置
work_experience = round(job_df.groupby(by='工作經(jīng)驗')['平均工資（k）'].mean(), 2)
experience_list = ["無需經(jīng)驗", "1年經(jīng)驗", "2年經(jīng)驗", "3-4年經(jīng)驗", "5-7年經(jīng)驗"]
experience_val = [work_experience[i] for i in experience_list]
x = range(len(experience_list))
y = experience_val
plt.plot(x, y)
plt.xticks(x, experience_list, fontsize=6)
plt.grid(True, linestyle="--", alpha=0.5)
plt.xlabel("工作經(jīng)驗", fontsize=8)
plt.ylabel("平均工資（k）", fontsize=8)
plt.title("工作經(jīng)驗對應薪資折線圖", fontsize=8)
canvas_spice.draw()
canvas_spice.get_tk_widget().bind("<Double-Button-1>", xFunc1)
通過統(tǒng)計崗位數(shù)據(jù)中平均薪資數(shù)據(jù)，繪制出薪資分布直方圖，展示該職位的平均薪資分布情況。代碼如下：
def show_hist():
global canvas_spice_hist
canvas_spice_hist.get_tk_widget().destroy()
# 圖像及畫布
fig_hist, ax_hist = plt.subplots(figsize=(5, 3.2), dpi=100) # 圖像比例
canvas_spice_hist = FigureCanvasTkAgg(fig_hist, root)
canvas_spice_hist.get_tk_widget().place(x=520, y=400) # 放置位置
plt.hist(job_df["平均工資（k）"].values, bins=10)
# 求出最小值
max_ = job_df["平均工資（k）"].max()
min_ = job_df["平均工資（k）"].min()
# 修改刻度
plt.xticks(np.linspace(min_, max_, num=11),fontsize=7)
# 添加網(wǎng)格
plt.grid()
plt.xlabel("平均工資（k）", fontsize=8)
plt.ylabel("崗位數(shù)量", fontsize=8)
plt.title("工資分布直方圖", fontsize=8)
canvas_spice_hist.draw()
canvas_spice_hist.get_tk_widget().bind("<Double-Button-1>", xFunc2)
效果如下：
除了主界面之外，我們在繪制完圖表之后希望能直接彈窗預覽展示，因此也需要一個用于瀏覽圖片的界面與功能，這部分整體會放在后續(xù)預覽保存模塊講解。
3.5 崗位公司情況統(tǒng)計
我們還可以對不同的公司規(guī)模、類型、對崗位學歷要求等進行數(shù)據(jù)分析展示：
def show_data(): company = job_df.loc[:, "公司類型"].value_counts() type_name = list(company.index) x = range(len(type_name)) content = "" for item in x: content += type_name[item] + '----' + str(company[item]) + '\n' type_str.set(content) company = job_df.loc[:, "公司規(guī)模"].value_counts() company_scale = company.index.to_list() z = range(len(company_scale)) size_content = "" for item in z: size_content += company_scale[item] + '----' + str(company[item]) + '\n' size_str.set(size_content) education = job_df.loc[:, "學歷"].value_counts() education_scale = education.index.to_list() y = range(len(education_scale)) edu_content = "" for item in y: edu_content += education_scale[item] + '----' + str(education[item]) + '\n' edu_str.set(edu_content)
效果如下：
3.6 預覽保存
我們在前面有提到，對于繪制好的圖表，希望可以彈出預覽保存，這里實現(xiàn)這個功能，采用的是畫布綁定左鍵雙擊事件，彈出的子窗體同樣可以綁定右鍵事件， 通過事件適配器傳遞圖片參數(shù)。
def handlerAdaptor(fun, **kwds): return lambda event, fun= fun, kwds= kwds:fun(event, **kwds)
def xFunc2(event):
top = Toplevel()
top.title('圖像導出')
top.minsize(700, 450)
top.resizable(False, False)
# 得到屏幕寬度
sw = root.winfo_screenwidth()
# 得到屏幕高度
sh = root.winfo_screenheight()
ww = 700
wh = 450
x = (sw - ww) / 2
y = (sh - wh) / 2
top.geometry("%dx%d+%d+%d" % (ww, wh, x, y))
top.transient(root)
top.grab_set()
# 圖像及畫布
fig, ax = plt.subplots(figsize=(7, 4.5), dpi=100) # 圖像比例
canvas_spice = FigureCanvasTkAgg(fig, top)
canvas_spice.get_tk_widget().place(x=1, y=1) # 放置位置
plt.hist(job_df["平均工資（k）"].values, bins=10)
# 求出最小值
max_ = job_df["平均工資（k）"].max()
min_ = job_df["平均工資（k）"].min()
# 修改刻度
plt.xticks(np.linspace(min_, max_, num=11), fontsize=10)
# 添加網(wǎng)格
plt.grid()
plt.xlabel("平均工資（k）", fontsize=12)
plt.ylabel("崗位數(shù)量", fontsize=12)
plt.title("工資分布直方圖", fontsize=15)
plt.savefig("hist.png")
canvas_spice.draw()
canvas_spice.get_tk_widget().pack()
img_pl = Image.open("hist.png").copy()
os.remove("hist.png")
canvas_spice.get_tk_widget().bind("<Button-3>", handlerAdaptor(saveimg, img=img_pl))
效果如下：
然后我們可以對預覽的圖片進行保存：
def saveimg(event, img):
Filepath = filedialog.asksaveasfilename(filetypes=[('圖像', '*.png;')])
if Filepath:
if not Filepath.endswith(('.png')):
Filepath += '.png'
# 保存獲得的圖像
img.save(Filepath, 'png')
tkinter.messagebox.showinfo("提示", "保存成功！")
HWND = win32gui.GetFocus() # 獲取當前窗口句柄
win32gui.PostMessage(HWND, win32con.WM_CLOSE, 0, 0)
至此，自制的職位分析器小工具就編碼完成啦~
下面，我一鍵獲取生成設計師職位的分析報告：
從上面的分析報告中，不難看出：
- 設計師職業(yè)的薪資水平在工作經(jīng)驗5年以上，薪資會有較大的漲幅。
- 行業(yè)的平均薪資分布主要在6k-14k左右。
- 設計行業(yè)的公司大部分是民營，公司人數(shù)在500人以下。
- 對于設計的學歷要求大部分是大專及以上。
好了，今天就到這里，明天我們繼續(xù)努力！
創(chuàng)作不易，白嫖不好，各位的支持和認可，就是我創(chuàng)作的最大動力，我們下篇文章見！
Dragon少年 | 文
如果本篇博客有任何錯誤，請批評指教，不勝感激 ！
以上就是python數(shù)據(jù)可視化自制職位分析生成崗位分析數(shù)據(jù)報表的詳細內(nèi)容，更多關于python數(shù)據(jù)可視化生成職位分析數(shù)據(jù)報表的資料請關注本站其它相關文章！
版權聲明：本站文章來源標注為YINGSOO的內(nèi)容版權均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權，請聯(lián)系alex-e#qq.com處理。
相關文章
關注官方微信