【R可視化】將薪比薪
03-04
作者簡介
傅興：個人公眾號：Rapp
往期回顧
【R圖秀-2】社交網路數據可視化（一）
【R圖秀-3】--「全球和平指數」可視化【R圖秀】情人節快樂！謹以此文送給即將畢業的學生們
又到一年畢業季，實驗室又送走了一批碩士博士。無論是出國做博後，還是留在國內發展，大家總算結束了窮苦的學生生涯，自己多年的努力終於修成正果。詩和遠方雖然是美好的，但是找個滿意的高薪職位顯然更有現實意義。聽著畢業生們談論著工資待遇，我這個畢業多年的老人家也按耐不住內心的小激動，想看看我們這個專業（生物信息學）現在到底有多少「錢景」。現在的招聘網站有很多，但我個人比較喜歡獵聘網(https://www.liepin.com/)，所以我們今天就來分析獵聘網上的數據。
我們先用「生物信息」做關鍵詞來搜索職位：
我喜歡獵聘網的一個主要原因就是他的搜索結果很合我的口味：
重要的信息一目了然。對求職者來說，最重要的信息無非就是工資（重中之重）、地點、教育背景和工作經驗。如果想了解更詳細的內容，可以點擊職位鏈接。這樣的設計不僅便於求職者瀏覽，還特別適合用爬蟲程序來解析。
搜索的結果是分頁顯示的，我們點擊>|按鈕到達最後一頁，並記下找到的最大頁數（後面的爬蟲程序需要用到）。
我的爬蟲程序利用的是rvest包。策略如下：
1. 先用瀏覽器在獵聘網上搜索，通過瀏覽器地址欄中的URL弄清它的API有哪些參數（比如key，curPage等）
2. 用瀏覽器查看搜索結果頁面的html代碼，找到想要提取的element的class，attribute等信息3. 先寫一個解析單頁面的函數4. 再寫一個解析所有頁面的函數，實際上就是循環調用上一個函數，直到完成所有頁面（這就是為什麼要先搞清楚搜索結果總共有多少頁）5. 我對解析到的原始數據進行了一些處理：我想要具體的工資數，所以去掉了「面議」的結果；我想知道具體的城市，所以去掉了包含「省」的結果；工資數是一個從最低到最高的範圍，我取它們的平均值。2個函數的代碼如下：
在調用函數的時候，我們只需要2個參數：搜索關鍵詞（keyword）和搜索結果的最大頁數（max_page）。除了我的專業外，我還對深度學習技術非常感興趣，也在努力地惡補相關知識，所以今天也順便了解一下深度學習的「錢景」如何。其實，從max_page=63就已經能看到它有多火熱了。
爬蟲程序得到的結果如下：
接下來的工作就是做一點簡單的統計：
1. 首先是看工資的分布
生物信息：大約三分之一的職位處於10~15萬的區間，25萬以上只有10%
深度學習：20萬以上的職位就佔了90%！40萬以上差不多有三分之一2. 然後看看北京、上海、深圳的工資
生物信息：深圳有華大，北京有貝瑞和康、諾和致源，上海能叫的出名字的公司是哪家呢？工資水平也反映出了這種地域上差距。上海的同行們要加把勁啦！
深度學習：上海的公司很給力！是我們學習的好榜樣！3. 再看看學歷要求
生物信息：儘管博士的需求不少，但是大部分職位本科生就可以勝任（跑跑流程而已）
深度學習：最起碼讀個碩士吧，門檻還是比較高4. 最後是工作經驗
生物信息：如果我把「經驗不限」理解為沒有經驗，那麼84%的職位只需要0~1年的工作經驗，門檻較低
深度學習：顯然對工作經驗的要求更高作圖函數如下：
調用作圖函數的代碼：
今天R圖秀讓我充滿了學習的動力和拼搏的勇氣，為了更高的目標而努力吧！
往期精彩內容整理合集
2017年R語言發展報告（國內）
R語言中文社區歷史文章整理（作者篇）R語言中文社區歷史文章整理（類型篇）推薦閱讀：