2000多条招聘信息数据 可以先看，是否需要：https://truedei.blog.csdn.net/article/details/105630679

清洗后的数据：招聘就业88759行，包含招聘职位、招聘公司、公司性质 、公司规模 、招聘省会 、招聘地区 、最低工资 、最高工资 、工资单位 、学历要求 、工作经验 、福利补贴 、招聘人数 、招聘信息发布时间等十一个字段 原始数据集：为文本文件在Word之中一共5738页，687万字，清洗后的数据为Excel格式 爬虫项目源码： 1.开发语言及环境：基于python3.8环境下运用pycharm编辑器 2.运用技术：Requests-BeautigulSoup模式 3.整体思路：分析爬取对象，获取招聘职位，招聘公司，公司性质，公司规模，招聘地区，薪水，学历，工作经验，福利补贴，招聘人数，招聘信息发布等要素。 分析结果PPT：分析过程采用Tableau软件，就业数据总结如下 1、本科生的需求量最大，规模越大的公司对于学历要求也越高，而小规模企业需求量最大的反而是大专生。 2、目前的各种岗位招聘员工时，更倾向于选择有工作经验且年龄较为年轻的员工，这样可以保证公司的工作效率。 3、沿海城市的薪资待遇和提供就业岗位的数量都位居前列。国内平均薪资前三依次是北京、上海、广州，这三所城

大数据视域下网络招聘数据信息挖掘的研究

有效提取和利用互联网大数据信息,已成为当前数据挖掘与分析领域的研究热点。基于Python的招聘大数据爬取与分析,以智联招聘网站数据为分析对象,使用Pycharm实现了信息的爬取,通过Matplotlib绘制图形,对诸如薪资水平、学历要求及LoRaWAN-Server福利情况等数据进行可视化分析。测试结果表明,提出的大数据爬取算法和数据可视化方法可以真实、完整、有效地反映对应信息

基于Python和Echarts职位画像系统，用Scrapy抓取招聘数据，使用Django+echarts完成数据可视化

基于Python和js、echarts、mysql实现的招聘数据分析系统，部署于本地服务器，实现数据可视化与数据库增删改查，不包括爬虫脚本。

项目介绍 该项目选用了和鲸社区关于数据分析岗位的数据集来进行分析。项目主要使用“job.csv”文件作为数据源，其中数据文件的主要栏位有职位、城市、公司、薪资、学历、工作经验、行业标签。其中本项目所使用的可计算的栏位为最低薪资、最高薪资、平均薪资、奖金率。 本项目所使用的可分类的栏位为职位、城市、学历、工作经验、行业标签。通过对数据进行清洗重塑和分析，再使用plotly等工具进行绘图，实现图表的交互式数据可视化，最后使用flask框架（利用了bootstrap）进行网页上的可视化展示。最后展示了关于数据分析岗位的人才需求分布情况、薪资情况以及发展前景。 项目来源：选用boss直聘网站的数据分析职位的招聘数据 数据结果总结 通过以上分析，可以发现，如果要成功进入数据分析行业，应该往北上广深行这几个城市考虑，这些城市的薪资水平高。 而行业方面应该着眼于互联网及电子商务等新兴行业，这些行业对该岗位的需求都比较大，而且薪资水平也普遍高。 该岗位对学历的门槛并不是很高，从市场需求来看，要求硕士的较少，而博士则是凤毛麟角。本科是一个分水岭。是否是本科，对薪资水平的影响还是很大的 不过这也从侧面反映了社会上学历的分布状况，本科生及大专生占绝对多数。 虽然市场需求量大，但是本科生就业压力也很大 工作经验对于该岗位而言非常重要，能否成功进入数据分析行业的关键门槛在于是否有工作经验，与薪资水平呈正相关。 而成功进入数据分析行业以后，只有在迈过3年这个坎，才会有比较大的突破。

这是一份来自厦门人才网的企业招聘数据，采集日期为 2021-01-14，总计 100,077 条记录，大小为 122 M，包含 19 个字段。 这是一份来自厦门人才网的企业招聘数据，采集日期为 2021-01-14，总计 100,077 条记录，大小为 122 M，包含 19 个字段。 涉及知识点：清洗 pandas + 分析 hive + 可视化 ( hue + pyecharts ) + 预测 sklearn 1. 数据集说明 2. 数据处理 2.1 数据清洗 2.2 数据导入 3. 数据分析可视化 3.1 整体情况（招聘企业数、岗位数、招聘人数、平均工资） 3.2 企业主题 行业情况 公司类型 最缺人的公司 TOP 平均薪资最高的公司 TOP 工作时间 工作地点 福利词云 3.3 岗位主题 工作经验要求 学历要求 性别要求 年龄要求 语言要求 编程语言要求 4. 模型预测

boss直聘岗位的爬取，以及使用pyecharts相关的信息进行数据分析 分析了不同地区 不同学历 不同岗位的工资 详情请看docx文档

Python招聘数据分析可视化系统(只有PPT、文献综述、开题、论文)