Python、Java 薪資最高，C# 墊底：分析什麼編程語言最賺錢！

萬年的編程語言之爭，這次要用薪資高低來決定勝負了！

本文主要用Python爬取拉勾網不同編程語言職位信息，包括Python崗、Java崗、C++崗、PHP崗、C#崗位（5崗），再用R語言對影響薪資的因素進行分析。由於拉勾網的職位信息只顯示30頁，一頁15個職位信息，如果單獨爬取一個城市的崗位信息，只有幾頁是匹配的信息，信息量太小，分析沒有說服力。因此，本文爬取拉勾網全國職位信息。主要包括三部分內容：

• 爬取拉勾網5崗職位信息，以Python崗為例；
• 以Python崗位信息為例，分析影響薪資的因素；
• 5崗之間薪水因素影響比較分析。

爬取拉勾網5崗職位信息——以Python崗為例

我們抓取的信息包括Python崗位名稱、公司名稱、薪資、工作經驗、學歷、公司規模、公司福利。

<code> 
 
from
 lxml 
import 
 etree
from
 selenium 
import
 webdriver
import
 time
import
 csv

browser = webdriver.Chrome()
browser.get(
'https://www.lagou.com/jobs/list_PYTHON?px=default&city=%E5%85%A8%E5%9B%BD#filterBox'
)
browser.implicitly_wait(
10
)

def
 
get_dates
(selector)
:

        items = selector.xpath(
'//*[@id="s_position_list"]/ul/li'
)
        
for
 item 
in
 items:
            
yield
 {
                
'Name'
: item.xpath(
'div[1]/div[1]/div[1]/a/h3/text()'
)[
0
],
                
'Company'
: item.xpath(
'div[1]/div[2]/div[1]/a/text()'
)[
0
],
                
'Salary'
: item.xpath(
'div[1]/div[1]/div[2]/div/span/text()'
)[
0
],
                
'Education'
: item.xpath(
'div[1]/div[1]/div[2]/div//text()' 
)[
3
].strip(),
                
'Size'
: item.xpath(
'div[1]/div[2]/div[2]/text()'
)[
0
].strip(),
                
'Welfare'
: item.xpath(
'div[2]/div[2]/text()'
)[
0
]
            }
def
 
main
()
:

    i = 
0
    
for
 i 
in
 range(
30
):
        selector = etree.HTML(browser.page_source)
        browser.find_element_by_xpath(
'//*[@id="order"]/li/div[4]/div[2]'
).click()
        time.sleep(
5
)
        print(
'第{}頁抓取完畢'
.format(i+
1
))
        
for
 item 
in
 get_dates(selector):
            print(item)
        
with
 open(
'Py.csv'
, 
'a'
, newline=
'' 
) 
as
 csvfile:   
            fieldnames = [
'Name'
, 
'Company'
, 
'Salary'
, 
'Education'
, 
'Size'
, 
'Welfare'
]
            writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
            writer.writeheader()
            
for
 item 
in
 get_dates(selector):
                writer.writerow(item)
        time.sleep(
5
)
    browser.close()
if
 __name__==
'__main__'
:
    main()/<code>

抓取結果如下：

將抓取結果循環寫入csv文件：

此外還抓取了Java崗、C++崗、PHP崗、C#崗位4崗的信息，代碼和抓取Python崗位信息類似。

以Python崗位信息為例，分析影響薪資的因素

這裡包括數據清洗部分和數據分析部分兩部分內容。

數據清洗部分

<code>
data
"E://Data For R/RData/Py.csv")
data
[sample(
1
:nrow(
data
),size=
10
),]/<code>

在抓取過程中，由於將Python字典循環寫入csv文件，因此列名也被循環寫在csv文件中。

考慮本文主要分析影響薪資的因素，這裡去除Name和Company兩列。

<code> 
DATA
 
 
which(DATA$Salary
 
%in%
 
"Salary"
) 

 
[1]
  
16
  
32
  
48
  
64
  
80
  
96
 
102
 
118
 
134
 
150
 
166
 
182
 
198
 
214
 
230
 
246
 
262
 
278
 
294
 
310
 
326
 
342
 
358
 
374 
 
390
 
406
 
422
 
438
 
454
 
470
 
486
 
502
 
518
[34]
 
534
 
550
 
566
 
DATA 
%in%
 
"Salary"
)),]
dim(DATA)
[1]
 
545
   
4
/<code>

1.變量Salary

變量Salary一般都是範圍值，用“-”連接，但是不排除有XXK以上，例如10k以上這種表示形式，或者其他形式，這裡需要處理一下。

<code> 
newdata'\\-',DATA$Salary),]
dim(newdata)
[
1
] 
544
   
4
 
 
library(tidyr)
library(stringr)
newdata"lowsalary",
"highsalary"
),sep=
"-"
)
 
newdata$lowsalary'k|K',
""
) 
newdata$highsalary'k|K',
""
)
newdata$lowsalaryas.numeric(newdata$lowsalary) 
newdata$highsalaryas.numeric(newdata$highsalary)
newdata$salary2
newdadat1,
2
)]/<code>

2.變量Education

<code> 
 
newdata 
=
 
newdata,col=Education,into=c("Experience","Graduate"),sep
 
=
 
'/'
)
table(newdata$Experience)
經驗1-3年
     
經驗1年以下
       
經驗3-5年
      
經驗5-10年
        
經驗不限
  
經驗應屆畢業生 
  
 
187
               
6
             
261
              
46
              
37
               
7
 
table(newdata$Graduate)
 
本科
  
不限
  
大專
  
碩士
 
  
447
    
27
    
63
     
7
 
/<code>

3.變量Size

<code> 
newdata
table(newdata$Number)

 
15
-50
人
   
150
 
-500
人
  
2000
人以上
    
50
-150
人
  
500
-2000
人
    
少於15人
 
   
76
         
139
         
117
         
119
          
82
          
11
 
table(newdata$Rong)
A輪
          
B輪
          
C輪
    
D輪及以上
   
不需要融資
     
上市公司
        
天使輪
       
未融資
  
86
           
81
           
54
           
30
          
132
           
80
           
33
           
48
 
 
newdata
/<code>

4.變量Welfare

<code>
Welfare
<
-newdata
[,
"Welfare"
]

##將
Welfare
去除
newdata
<
-newdata
[,-5]
head
(
newdata
)/<code> 

到此，數據清洗部分內容全部結束。

數據分析部分

1.工資與工作年限的關係

<code>
library
(ggplot2)
ggplot
(newdata,aes(x=Experience,y=salary))+
geom_boxplot 
(col=
"red"
)/<code>

符合大眾的認知，從事Python的應屆畢業生起始工資平均值在5K左右，且薪資水平跨度最小。經驗5-10年的工資水平跨度最大，主要可能是因為，有一部分轉為技術管理崗位，工資較低的可能還在繼續碼代碼，是不是對廣大同胞們的警告啊.......

2.工資與學歷的關係（專科，本科，研究生，不限）

<code>
ggplot
(newdata,aes(x=Graduate,y=salary))+
geom_boxplot
(col=
"red"
)/<code>

這裡是否能說明學歷在一定程度上的重要性？學歷本科的工資跨度比較大，因為工作經驗的不同導致了薪資的差異。

3.工資與公司融資的關係

<code>
ggplot
(newdata,aes(x=Rong,y=salary))+
geom_boxplot
(col=
"red"
)/<code>

對於這部分知識是盲點，但是可以看出融資公司（上市也是一種融資方式）比沒有融資的公司平均工資要高出不少，這部分是不是可以是以後找工作的一個風向標......

4.工資與公司大小的關係

公司規模越大，平均的工資也越高。

5.工資與工作時間和學歷的關係

<code>
library
(ggthemes)
library
(scales)
ggplot
(newdata,aes(x=Experience,y=salary,fill=factor(Graduate)))+
geom_boxplot 
()+
geom_hline
(aes(yintercept=
20
),color=
"red"
,linetype=
"dashed"
,lwd=
1
)+
scale_y_continuous
(labels=dollar_format())+
theme_few
()/<code>

這張圖告訴我們，在大部分情況下，沒（Ren）錢（Chou）就要多讀書。不管是經驗經驗1年以下、經驗3-5年、經驗5-10年、經驗不限的情況下，擁有碩士學歷的平均收入都普遍高於本科，本科都高於大專（這裡完全沒有歧視低學歷之意）。

6.公司福利的雲圖

<code> 
library(jiebaR)
Welfareas.character(Welfare)
wk = worker()
seg_words"華文彩雲"))  
wordcloud(tableWord[,
1
],tableWord[,
2
],random.order=F,col= rainbow(
100
),family=
"myFont"
)/<code>

現在公司的福利貼有“彈性工作，氛圍好，團隊，大牛，技術，五險一金”等標籤來吸引求職者眼球。

5崗之間薪水因素影響比較分析

1.Python崗、Java崗、C++崗、PHP崗、C#崗位的平均薪水

抓取拉勾網職位信息，可以看出Python和Java的平均薪資較高，C#的平均工資最低。

由此也驗證Python近幾年火熱的態勢，由於AI的火熱，Python的需求越來越大，傳統的Java也比較強勢，薪資待遇較高。

2.相同工作經驗不同職位信息薪水比較

對於不同工作經驗，不同編程語言平均薪水還是有較大的差異。

3.相同學歷信息不同職位信息薪水比較

通過碩士、本科、大專、不限四種比較，碩士的總體薪資高於本科。

4.同一職位不同學歷信息薪水比較

總的看來，在每個職業，碩士學歷的平均薪水高於本科，本科的平均薪水高於大專。