据说今年找工作很难，不得不说行业化内卷严重，且近几年就业形势一直都不太好，一方面高校毕业生逐年在递增，另一方面，市场的岗位需求趋近饱和，一岗难求。

基于此，本文使用智联招聘、BOSS直聘等在线招聘平台的招聘人数数据，借助pandas和pyecharts两个包，绘制漏斗图，从招聘流程上解析人数的变化情况。

示例工具：anconda3.7

本文讲解内容：openpyxl、pyecharts使用

适用范围：招聘业务中的漏斗分析

安装及导入库

使用pip命令下载pyecharts包，并指定下载的包的版本是1.9.0版本，如果下载速度比较慢的话，后面可以加一个-i清华镜像下载包，当出现Sussessfully的字样时，就表明pyecharts包已经安装好。

!pip install pyecharts==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

这里我们导入openpyxl库用于数据导入，以及pyecharts库用于数据可视化。

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

import openpyxl
from pyecharts import options as opts
from pyecharts.charts import Funnel,Grid,Bar,Page

数据导入

使用openpyxl库数据导入，读取指定路径的数据表，并指定读取工作表1该sheet表下的数据。

# 读取excel数据
workbook = openpyxl.load_workbook(r'C:Desktop招聘数据.xlsx') 
sheet = workbook['工作表1']

新建一个空的列表[ ]，使用sheet['A'][0].value可以读取指定单元格内的数据，如果要读取指定单元格区域的数据，可以使用for循环进行循环读取，用append命令将读取的数据合并在列表中，导入智联招聘数据如下。

value1 = []
title1 = sheet['A'][0].value
for cell in (sheet['B'][1::]): #定位数据位置
    value1.append(cell.value)

title1
value1

同理导入BOSS直聘数据。

value2 = []
title2 = sheet['F'][0].value
for cell in (sheet['G'][1::]):  #定位数据位置
    value2.append(cell.value)

title2
value2

导入前程无忧的数据如下。

value3 = []
title3 = sheet['K'][0].value
for cell in (sheet['L'][1::]):   #定位数据位置
    value3.append(cell.value)

title3
value3

导入指定的数据区域。

value4 = []
for cell in (sheet['Q'][1::]):   #定位数据位置
    value4.append(cell.value)
    
value4

构建数据集

想要做出漏斗图，需要构造出含字段标签的数据集，我们使用列表解析式来生成，如果要做不同公司的漏斗图，就要分别构造数据集，数据集结果如下。

attr = ["浏览","简历", "约面", "到面", "offer","入职"]
value1 = [int(i) for i in value1]

data1 = [[attr[i], value1[i]] for i in range(len(attr))]
data1

data2 = [[attr[i], value2[i]] for i in range(len(attr))]
data2

data3 = [[attr[i], value3[i]] for i in range(len(attr))]
data3

数据可视化

绘制智联招聘人数的漏斗图，使用可视化对象Funnel()，导入数据data1，其他可视化配置可以默认或者使用参数进行设置，.render_notebook()命令可在notebook在线展示。

funnel1=(
    Funnel()
    .add(
        series_name="人数/人",
        #sort_='ascending',
        data_pair=data1,
        gap=2,
        tooltip_opts=opts.TooltipOpts(),
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
        itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title=title1, subtitle="招聘人数转化漏斗分析"))
)
funnel1.render_notebook()

同理制作BOSS直聘的招聘人数漏斗图。

funnel2=(
    Funnel()
    .add(
        series_name="人数/人",
        #sort_='ascending',
        data_pair=data2,
        gap=2,
        tooltip_opts=opts.TooltipOpts(),
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
        itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title=title2, subtitle="招聘人数转化漏斗分析"))
)
funnel2.render_notebook()

还有前程无忧的招聘人数漏斗图。

funnel3=(
    Funnel()
    .add(
        series_name="人数/人",
        #sort_='ascending',
        data_pair=data3,
        gap=2,
        tooltip_opts=opts.TooltipOpts(),
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
        itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title=title3, subtitle="招聘人数转化漏斗分析"))
)
funnel3.render_notebook()

如果想要做一个词云图，根据关键词的大小来呈现招聘人数的多少，导入视觉对象WordCloud，并且构造数据集words，即可制作词云图。

from pyecharts import options as opts
from pyecharts.charts import WordCloud

words = [(attr[i], value4[i]) for i in range(len(attr))]

wordcloud=(
    WordCloud()
    .add(
        "人数",
        words,
        word_size_range=[30, 100],
        textstyle_opts=opts.TextStyleOpts(font_family="cursive"))
    .set_global_opts(title_opts=opts.TitleOpts(title="面试人数词云图")) 
)
wordcloud.render_notebook()

结果导出

以上做出各个招聘公司的招聘人数漏斗图，可看出，在整个招聘过程中，从网站浏览到筛选简历的过程中，基本有一半简历会被刷下来，所以，在找工作时，尤其要写出一份精美的简历，良好的简历让人眼前一亮，避免第一关就被PASS掉，可视化做出来后使用page命令，将前面的结果呈现在一张界面中，并可以保存为网页版结果。

page = Page(layout=Page.SimplePageLayout)#layout=Page.DraggablePageLayout自定义布局
page.add(funnel1,funnel2,funnel3,wordcloud)
page.render(r"C:Desktop招聘人数漏斗分析.html")

三年互联网数据分析经验，擅长Excel、SQL、Python、PowerBI数据处理工具，数据可视化、商业数据分析技能，统计学、机器学习知识，持续创作数据分析内容，点赞关注，不迷路。