更新时间：2023-4-6

相关链接

【2023年第十一届泰迪杯数据挖掘挑战赛】C题泰迪内推平台招聘与求职双向推荐系统构建 建模及python代码详解 问题一

【2023年第十一届泰迪杯数据挖掘挑战赛】C题泰迪内推平台招聘与求职双向推荐系统构建 建模及python代码详解 问题二

【2023年第十一届泰迪杯数据挖掘挑战赛】C题泰迪内推平台招聘与求职双向推荐系统构建 建模及python代码详解 问题三

【2023年第十一届泰迪杯数据挖掘挑战赛】C题泰迪内推平台招聘与求职双向推荐系统构建 建模及python代码详解 问题四

完整代码、图片及爬取的两个csv文件下载

1 题目

见【2023年第十一届泰迪杯数据挖掘挑战赛】C题泰迪内推平台招聘与求职双向推荐系统构建 建模及python代码详解 问题一

2 问题二之建立招聘信息画像

爬取的result1-1.csv的信息如下：
序号；
招聘信息id；
公司地址；
招聘岗位；
公司类型，分为少于50人、50150人、150-500人、500-1000人、1000-5000人、5000-10000人、10000人以上；
最低薪资；
最高薪资；
员工数量，分为合资、民营公司、上市公司、国企、私企、外资；
学历，分为0、1、2、3、4、5，对应不限，技工、大专、本科、硕士、博士；
岗位经验，分为经验不限 、1年、1-3年、3-5年、5-7年、7年以上、5-10年；
企业名称；
企业类型。

import pandas as pd
import matplotlib.pyplot as plt
import pandas as pd
from pyecharts.charts import Bar, Map, Pie, WordCloud
from pyecharts import options as opts
from pyecharts.globals import ThemeType
df = pd.read_csv("data/result1-1.csv")

2.1 招聘岗位角度

我们可以统计不同招聘岗位的数量，并使用饼图或柱状图来可视化结果。

job_count = df['招聘岗位'].value_counts().reset_index()
job_count.columns = ['招聘岗位', '需求量']

。。。。略，请下载完整代码
pie_job.render('img/1.1.html')
pie_job.render_notebook()

从饼图可以看出，数据分析岗位的需求最大，占比超过五分之一。

2.2 学历要求

我们可以统计不同学历要求的数量，并使用饼图或柱状图来可视化结果。

edu_count = df['学历'].value_counts().reset_index()
edu_count.columns = ['学历', '需求量']

。。。。略，请下载完整代码
bar_edu.render('img/1.2.html')
bar_edu.render_notebook()

从柱状图可以看出，本科学历的需求最大，占比超过四分之一。

2.3 岗位需求量

我们可以统计不同岗位需求量的数量，并使用饼图或柱状图来可视化结果。

job_total = df.groupby('招聘岗位')['招聘信息id'].count().reset_index()
job_total.columns = ['招聘岗位', '总数']
job_total = job_total.sort_values(by='总数', ascending=False)[:10]

。。。。略，请下载完整代码
bar_job.render('img/1.3.html')
bar_job.render_notebook()

从柱状图可以看出，经验要求在1-3年和3-5年之间的岗位需求最大，占比超过三分之一。

2.4 公司类型

我们可以统计不同公司类型的数量，并使用饼图或柱状图来可视化结果。

job_count = df['员工数量'].value_counts().reset_index()
job_count.columns = ['员工数量', '需求量']

。。。。略，请下载完整代码
pie_job.render('img/1.4.html')
pie_job.render_notebook()

从饼图可以看出，合资的招聘需求最大，占比超过一半。

2.5薪资待遇

我们可以统计不同薪资待遇的数量，并使用箱线图来可视化结果。

salary_data = df[['最低薪资', '最高薪资']]
plt.boxplot(salary_data.values, labels=['最低薪资', '最高薪资'])
plt.title('薪资待遇分布')
plt.ylabel('薪资（元/月）')
plt.savefig('img/5.png',dpi=300)
plt.show()

从箱线图可以看出，薪资待遇的中位数在10k-15k之间。

2.6 企业工作地点

统计不同工作地点的数量，并使用地图可视化工作地点的分布

map_data = df['公司地址'].value_counts().reset_index()
map_data.columns = ['地点', '需求量']

。。。。略，请下载完整代码
map_city.render('img/1.6.html')
map_city.render_notebook()

2.7 岗位规模

from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
size_count = df['公司类型'].value_counts().reset_index()
size_count.columns = ['公司规模', '需求量']

。。。。略，请下载完整代码
pie_size.render('img/1.7.html')
pie_size.render_notebook()

2.8 岗位经验分析

# 岗位经验分析
exp_count = df['岗位经验'].value_counts().reset_index()
exp_count.columns = ['经验要求', '需求量']

。。。。略，请下载完整代码
bar_exp.render('img/1.8.html')
bar_exp.render_notebook()

通过对招聘信息的多个方向进行分析，可以得到招聘信息的全貌，并可以为求职者提供更准确的参考信息。在本文中，使用Python对招聘信息进行了分析和可视化，包括招聘岗位、学历要求、岗位需求量、公司类型、薪资待遇和企业工作地点等方面的分析。使用了pandas进行数据处理和分析，使用matplotlib和pyecharts进行可视化展示。

根据以上的分析，可以得出以下结论：
。。。。略，请下载完整代码
基于以上结论，我们可以为求职者提供以下建议：
（1）如果想要在技术类岗位中有所突出，可以重点学习前端开发、Java开发、数据分析等技能。
（2）在选择学历时，本科是最基本的要求，但如果想要更好的发展，可以考虑继续深造并获得硕士和博士学历。
。。。。略，请下载完整代码

3 问题二之建立求职信息画像

result1-2.csv的信息如下：
序号;
求职者id;
姓名;
预期岗位，格式举例[“数据挖掘工程师”,“数据分析师”,“机器学习工程师”]；
预期最低薪资；
预期最高薪资；
地区，格式举例[“北京市”,“北京市”,“海淀区”]。
技能，格式举例[“数据分析”,“数据挖掘”,“机器学习”]。

为了建立求职者的画像，我们可以根据不同的方向进行分析和建模。以下是一些可能的方向和对应的建模思路：

1. 预期岗位方向
   对求职者的预期岗位进行分类，例如"数据分析岗位"、“机器学习岗位”、"数据挖掘岗位"等。
   对不同岗位的求职者进行比较，例如不同岗位对学历、工作经验、技能的要求等。
   使用机器学习算法对预期岗位进行预测，例如使用文本分类模型对求职者的求职意愿进行分类。
2. 薪资需求方向
   对求职者的薪资需求进行统计和分析，例如计算平均值、中位数、标准差等。
   对不同薪资水平的求职者进行比较，例如不同薪资水平对学历、工作经验、技能的要求等。
   使用机器学习算法对薪资进行预测，例如使用回归模型对求职者的薪资需求进行预测。
3. 知识储备方向
   对求职者的技能进行统计和分析，例如计算出现频率最高的技能、不同技能之间的关系等。
   对不同技能的求职者进行比较，例如不同技能对学历、工作经验、薪资等方面的要求。
   使用机器学习算法对求职者的技能进行预测，例如使用文本分类模型对简历中出现的技能进行分类。
4. 学历方向
   对求职者的学历水平进行统计和分析，例如计算不同学历水平的求职者数量、占比等。
   对不同学历水平的求职者进行比较，例如不同学历水平对薪资、岗位等方面的影响。
   使用机器学习算法对求职者的学历进行预测，例如使用文本分类模型对简历中出现的学历进行分类。
5. 工作经验方向
   对求职者的工作经验进行统计和分析，例如计算不同工作经验的求职者数量、占比等。
   对不同工作经验的求职者进行比较，例如不同工作经验对薪资、岗位等方面的影响。
   使用机器学习算法对求职者的工作经验进行预测，例如使用回归模型对求职者的工作经验进行预测。

3.1 求职者画像分析

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar, Pie, WordCloud
from pyecharts.globals import SymbolType

# 读取数据文件
data = pd.read_csv('data/result1-2.csv')

# 统计预期岗位数量
job_counts = data['预期岗位'].apply(lambda x: len(eval(x))).value_counts().sort_index()
job_counts_labels = ['{}个'.format(i) for i in job_counts.index]
job_counts_values = job_counts.values.tolist()

# 绘制预期岗位数量柱状图
job_counts_bar = Bar()
。。。。略，请下载完整代码
job_counts_bar.render('img/2.1.html')
job_counts_bar.render_notebook()

# 统计技能频率
skills = pd.Series([skill for sublist in data['技能'] for skill in eval(sublist)])
skill_counts = skills.value_counts().sort_values(ascending=False).head(20)
skill_counts_labels = skill_counts.index.tolist()
skill_counts_values = skill_counts.values.tolist()
# 绘制技能词云图
。。。。略，请下载完整代码
skill_wordcloud.render('img/2.2.html')
skill_wordcloud.render_notebook()

# 统计薪资需求
salary_mean = data[['预期最低薪资', '预期最高薪资']].mean().values.tolist()

# 绘制薪资需求条形图
。。。。略，请下载完整代码
salary_bar.render('img/2.3.html')
salary_bar.render_notebook()

3.2 对平均预期薪资进行预测

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score, f1_score

# 读取数据
data = pd.read_csv("data/result1-2.csv")

# 数据预处理
# 对预期岗位、地区、技能进行One-hot编码
positions = data['预期岗位'].str.strip('[]').str.replace("'", "").str.split(',', expand=True)
positions.columns = ['position_{}'.format(i) for i in range(positions.shape[1])]
positions = positions.apply(LabelEncoder().fit_transform)
onehot = OneHotEncoder()
positions = onehot.fit_transform(positions)

regions = data['地区'].str.strip('[]').str.replace("'", "").str.split(',', expand=True)
regions.columns = ['region_{}'.format(i) for i in range(regions.shape[1])]
regions = regions.apply(LabelEncoder().fit_transform)
onehot = OneHotEncoder()

regions = onehot.fit_transform(regions)

skills = data['技能'].str.strip('[]').str.replace("'", "").str.split(',', expand=True)
skills.columns = ['skill_{}'.format(i) for i in range(skills.shape[1])]
skills = skills.apply(LabelEncoder().fit_transform)
onehot = OneHotEncoder()
skills = onehot.fit_transform(skills)

from scipy.sparse import hstack,vstack
# 合并数据
。。。。略，请下载完整代码

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X,Y, test_size=0.3, random_state=42)

# 建立决策树模型
clf = DecisionTreeClassifier(random_state=42)
clf.fit(X_train, y_train)

# 预测测试集

y_pred = clf.predict(X_test)

# 模型评估
print("Accuracy Score:", accuracy_score(y_test, y_pred))
print("F1 Score:", f1_score(y_test, y_pred, average='macro'))

Accuracy Score: 0.9838167938931298
F1 Score: 0.06426220590235279

以上代码中，我们首先使用pandas库读取result1-2.csv文件，并对预期岗位、地区、技能等属性进行One-hot编码处理，然后划分为训练集和测试集，标签为预期薪资的均值，使用决策树算法建立模型，并对模型进行评估。其中，我们使用了sklearn库中的LabelEncoder、OneHotEncoder、DecisionTreeClassifier等模块，简化了特征处理和模型建立的过程。