在上海，你知道哪個區的前端最熱么？

1 提出問題

因為以後定居在上海，就沒對其他城市進行分析， 在這裡對上海各個區做了一個前端崗位的數據採集，想知道如下幾個問題的答案

1 一般的公司對於前端的專業背景，工作經驗還有崗位職責都有什麼樣的要求，

2 薪酬待遇與地區，工作經驗的潛在關係

2 數據清洗階段

在第一關總共在前程無憂網搜集了接近10000條工作崗位的詳細信息，其中進行數據清洗後保留的數據欄位有工作崗位名稱，薪酬待遇，上班地點，崗位職責，還有工作經驗要求，其中由於其中一些被公式引用到公式無法刪除，只能選擇隱藏

2.1刪除重複項

因為只對上海地區的崗位斤進行分析，所以欄位中並不需要進行刪除重複項操作

2.2缺失值處理

以薪資還有工作地點作為缺失值的主要清理對象，造成薪資缺失的原因是部份工資並沒有在網站提供數據，直接刪除整行，沒有人任何分析的意義；造成工作地點缺失的原因是在多表聯動查詢過程中沒有找到匹配項，也採用直接刪除整行操作，進行兩步之後還剩餘8120條數據可供分析

2.3一致化處理

在分析過程中只需要上海各區的地點名，所以對工作地點進行分列操作，將每個崗位對應的區保留下來，刪除上海欄位，在分列過程中由於部分崗位也沒有提供詳細的地址，所以造成有空白值，直接進行篩選空白值和刪除；然後是薪資列，帶單位的薪資單元格由於是文本格式無法進行計算，需要用right,left,mid 和find函數進行轉換，處理後結果如下圖所示，添加平均工資輔助列，使用average函數計算各崗位平均工資

2.4 數據排序

對篩選出的數據進行按照自定義出的各區名稱進行，排序後的結果如下圖所示

2.5異常值處理

用數據透視表對數據進行異常值處理，通過大致瀏覽發現好多崗位與前端開發無關，先用數據透視表將崗位名稱作為行和計數項，並將行標籤按照計算項崗位名稱進行降序排序，然後通過find函數與if函數的嵌套篩選出與前端開發有關的工作（tips：可以將計數項前幾位的崗位名稱中的共有辭彙作為find函數的查找字元串防止多刪或者漏刪）

經過異常值處理候鳥只有3570條數據符合條件，下面可以對剩下的數據進行構建模型

3構建模型

首先對各區對於前端崗位的需求進行分析，將崗位名稱作為計數項，工作地點作為行

可以從結果看出對於前端開發的需求數浦東新區最高，而金山區最低，這裡還附上上海市各區分地理分布圖，可以看出浦東新區是上海最大的區，而且有許多的工業園區和高科技園區，所以對於很多互聯網和高科技行業有很大的需求量，雖然不能作為絕對的規律來使用，但在就業地域上的選擇可以作為有效的參考，可能青浦，奉賢和金山等地的房價租金相對便宜，但對於就業卻不是最好的選擇；

下面對於平均薪水進行分析

相對於就業崗位的優勢來說，在平均薪水方面浦東新區也有作為上海科技園高度集中的優勢，處於上海第一，而最低的金山區的平均薪水工資也達到了1.14萬元，對於很多想從事這行的待就業人員來說是個不錯的利好消息，應用Excel中的數據統計分析工具發現，篩選出的數據有異常值最大值為300，查看了這組數據的單位，發現是萬/年，在數據清理階段沒有將這個異常值刪除

針對不同工作經驗對於薪酬的影響，對於2-5年的需求量較大，而且隨著工作經驗的提升，薪酬也會有較快的增長，可以作為一個長期從事的行業，但從崗位職責來看，隨著工作經驗的增長，並不是只需要工作年限的增加，更需要工作方法還有工作能力，知識儲備的增加，不然即使工作七八年也不能達到市場的要求；

結論：

在住房，擇業過程中挑選浦東，徐匯，靜安對於人才需求量大的轄區，有更多的機會，更方便自己的工作，就因為當初沒有對市場需求做一個理性的分析，選擇工作的過程中沒有一個明確的方向，即使最後拿到了心水公司的offer，也可能因為距離公司太遠望而卻步。