• 任务描述

随着大数据领域的不断拓展，海量数据已经全面地融入人们的社会生活，基于海量数据的分析人才逐渐成为各企业追逐的宠儿。大数据这一热门行业衍生了众多与数据相关的岗位，在这些岗位中数据分析师岗位脱颖而出，受到业界人士的广泛关注。为了从多个角度了解数据分析师岗位的实际情况，本章从数据分析的角度出发，结合从招聘网站上收集的有关数据分析师岗位的数据，利用pandas、matplotlib库处理与展现数据，开发一个完整的数据分析项目。

• 任务目标

1. 熟悉项目的目标与思路

2. 了解数据分析的流程

3. 熟练使用pandas库处理数据

4. 熟练使用matplotlib库绘制图表

• 任务思路

• 分析数据分析师岗位的需求趋势

• 分析数据分析师岗位的热门城市Top10

• 分析不同城市数据分析师岗位的薪资水平

• 分析数据分析师岗位的学历要求

1 数据收集

本次使用从天池网站上下载的一份有关数据分析师岗位的数据（从2019年11月初到12月初），分别将这些数据保存至lagou01.csv和lagou02.xlsx文件中。

2 数据预处理

尽管从网站上采集的数据是比较规整的，但可能会存在着一些问题，无法直接被应用到数据分析中。为增强数据的可用性，我们需要对前面准备的数据进行一系列的数据清理操作，包括检测与处理重复值、检测与处理缺失值。

3 数据分析与展示

（1）若希望了解数据分析师岗位的需求趋势，需要对近一个月每天的岗位招聘总数量进行统计，为直观地看到岗位需求的变化趋势，这里会将统计的数据绘制成一个折线图。

（2）若希望了解数据分析师岗位需求的热门城市，需要对近一个月内每天的岗位招聘总数量进行统计，为直观地看到数据分析师岗位的需求量，这里会将统计的数据绘制成一个柱形图，并在该图中柱形的上方标注出具体的数值。

（3）若希望了解不同城市的数据分析师岗位的薪资水平，需获得不同城市的数据分析师岗位的薪资平均值，为直观地看到不同城市数据分析师岗位的薪资水平，这里会将统计的数据绘制成一个柱形图，并将获得的平均值标注到柱形的上方。

（4）若希望了解数据分析师岗位对学历的要求，需要了解不同学历的占比情况，为直观地看到数据分析师岗位的学历要求，这里会将统计的数据绘制成一个圆环图，并将具体的比例值标注到圆环图上方。

4 代码实现

• 拓展任务——二手房数据分析与可视化
  

1 任务描述

数据文件：

2 参考代码

• 数据清洗
  

• 数据分析

• 数据可视化