自学 Python 到什么程度能找到工作？
随着移动互联网的发展以及机器学习等热门领域带给人们的冲击，越来越多的人开始学习 Python。无论你是科班出身还是非科班转行，Python 无疑都是非常适合入门计算机世界的第一语言。其语法简洁，程序易懂，遵循「简单优雅」的哲学，在保证代码可读的基础上，用尽可能少的代码完成想法。
那么，学到什么程度可以找工作呢？实践是检验真理的唯一标准，当然得看市场需求。毕竟企业招人是来工作的，而不是让你来带薪学习的。
今天我们就试着爬取拉钩网关于 Python 的招聘信息，来看看市场到底需要什么样的人才。
一、网页结构分析
打开拉钩网首页，输入关键字「Python」，接着按 F12 打开网页调试面板，切换到「Network」选项卡下，过滤条件选上「XHR」。一切准备就绪之后点击搜索，仔细观察网页的网络请求数据。
从这些请求中我们可以大致猜测到数据好像是从 jobs/positionAjax.json 这个接口获取的。
可以看出，这些数据是通过 POST 请求获取的，Form Data 中的 pn 就是当前页码了。好了，网页分析好了，接下来就可以写爬虫拉取数据了。
import requests
import time
def headers_to_dict(headers_str):
# 模拟处理 headers 字符串为字典
lines = headers_str.strip().split('\n')
return {k: v for k, v in (line.split(': ', 1) for line in lines)}
url = 'https://www.lagou.com/jobs/positionAjax.json?px=new&needAddtionalResult=false'
headers_str = """
accept: application/json, text/javascript, */*; q=0.01
origin: https://www.lagou.com
referer: https://www.lagou.com/jobs/list_python?px=new&city=%E5%85%A8%E5%9B%BD
user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36
"""
headers_dict = headers_to_dict(headers_str)
def get_data_from_cloud(page):
params = {
'first': 'false',
'pn': page,
'kd': 'python'
}
response = requests.post(url, data=params, headers=headers_dict, timeout=3)
result = response.text
write_file(result)
for i in range(76):
get_data_from_cloud(i + 1)
程序写好之后，满怀期待地按下运行按钮，然而得到的结果数据很大可能是这样的反爬提示：
{"success":true,"msg":null,"code":0,"content":{"showId":"8302f64","hrInfoMap":{},"status":false,"msg":"您操作太频繁，请稍后再访问",...}}
这是因为拉勾网做了反爬虫机制。对应的解决方案就是不要频繁爬取，每次获取到数据之后适当停顿，比如每两个请求之间休眠 3 秒，然后请求数据时再加上 cookie 信息。完善之后的爬虫程序如下：
import requests
import time
def string_util_headers_to_dict(headers_str):
lines = headers_str.strip().split('\n')
return {k: v for k, v in (line.split(': ', 1) for line in lines)}
home_url = 'https://www.lagou.com/jobs/list_python?px=new&city=%E5%85%A8%E5%9B%BD'
url = 'https://www.lagou.com/jobs/positionAjax.json?px=new&needAddtionalResult=false'
headers_str = """
accept: application/json, text/javascript, */*; q=0.01
origin: https://www.lagou.com
referer: https://www.lagou.com/jobs/list_python?px=new&city=%E5%85%A8%E5%9B%BD
user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36
"""
headers_dict = string_util_headers_to_dict(headers_str)
def get_data_from_cloud(page):
params = {
'first': 'false',
'pn': page,
'kd': 'python'
}
s = requests.Session() # 创建一个 session 对象
s.get(home_url, headers=headers_dict, timeout=3) # 用 session 对象发出 get 请求，获取 cookie
cookie = s.cookies
response = requests.post(url, data=params, headers=headers_dict, cookies=cookie, timeout=3)
result = response.text
write_file(result)
def get_data():
for i in range(76):
page = i + 1
get_data_from_cloud(page)
time.sleep(5)
不出意外，这下可以获得全部数据，总共 1131 条。
二、数据清洗
上文我们将获取到的 json 数据存储到了 data.txt 文件中，这不方便后续的数据分析操作。我们准备用 pandas 对数据做分析，所以需要做一下数据格式化。
处理过程不难，只是有点繁琐。具体过程如下：
import json
import pandas as pd
def get_data_from_file():
with open('data.txt') as f:
data = []
for line in f.readlines():
result = json.loads(line)
result_list = result['content']['positionResult']['result']
for item in result_list:
dict_item = {
'city': item['city'],
'industryField': item['industryField'],
'education': item['education'],
'workYear': item['workYear'],
'salary': item['salary'],
'firstType': item['firstType'],
'secondType': item['secondType'],
'thirdType': item['thirdType'],
'skillLables': ','.join(item['skillLables']),
'companyLabelList': ','.join(item['companyLabelList'])
}
data.append(dict_item)
return data
data = get_data_from_file()
df = pd.DataFrame(data)
print(df.head(15))
三、数据分析
获取数据和清洗数据只是手段，最终目的是要通过获取到的招聘数据挖掘出招聘方的需求，以此为目标来不断完善自己的技能图谱。
1. 城市分布
先来看看哪些城市的招聘需求最大。这里我们只取 Top15 的城市数据。
from pyecharts import Bar, Pie, opts
top = 15
citys_value_counts = df['city'].value_counts()
citys = list(citys_value_counts.head(top).index)
city_counts = list(citys_value_counts.head(top))
bar = (
Bar()
.add_xaxis(citys)
.add_yaxis("", city_counts)
)
bar.render_notebook()
由图表可以看出，北京基本占据了四分之一还多的招聘量，其次是上海、深圳、杭州。单单从需求量来说，四个一线城市中广州被杭州所代替。这也就从侧面说明了我们为啥要去一线城市发展了。
2. 学历要求
edu_value_counts = df['education'].value_counts()
edu = list(edu_value_counts.index)
edu_counts = list(edu_value_counts)
pie = (
Pie()
.add("", [list(z) for z in zip(edu, edu_counts)])
.set_global_opts(title_opts=opts.TitleOpts(title="学历分布"), legend_opts=opts.LegendOpts(is_show=False))
)
pie.render_notebook()
看来大多公司的要求都是至少要本科毕业的，不得不说，当今社会本科基本上已经成为找工作的最低要求了（能力特别强的除外）。
3. 工作年限
work_year_value_counts = df['workYear'].value_counts()
work_year = list(work_year_value_counts.index)
work_year_counts = list(work_year_value_counts)
bar = (
Bar()
.add_xaxis(work_year)
.add_yaxis("", work_year_counts)
)
bar.render_notebook()
3-5 年的中级工程师需求最多，其次是 1-3 年的初级工程师。其实这也是符合市场规律的，这是因为高级工程师换工作频率远远低于初中级，且一个公司对高级工程师的需求量是远远低于初中级工程师的。但是发现 1 年以下的招的非常少，所以很多自学的同学都说入行难！
4. 行业分布
我们再来看看这些招聘方都属于哪些行业。因为行业数据不是非常规整，所以需要单独对每一条记录按照 , 作下切割。
industrys = list(df['industryField'])
industry_list = [i for item in industrys for i in item.split(',')]
industry_series = pd.Series(data=industry_list)
industry_value_counts = industry_series.value_counts()
industrys = list(industry_value_counts.head(top).index)
industry_counts = list(industry_value_counts.head(top))
pie = (
Pie()
.add("", [list(z) for z in zip(industrys, industry_counts)])
.set_global_opts(title_opts=opts.TitleOpts(title="行业分布"), legend_opts=opts.LegendOpts(is_show=False))
)
pie.render_notebook()
移动互联网行业占据了四分之一还多的需求量，这跟我们的认识的大环境是相符合的。
5. 技能要求
来看看招聘方所需的技能要求词云。
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
word_data = df['skillLables'].str.split(',').apply(pd.Series)
word_data = word_data.replace(np.nan, '')
text = word_data.to_string(header=False, index=False)
wc = WordCloud(font_path='/System/Library/Fonts/PingFang.ttc', background_color="white", scale=2.5, contour_color="lightblue").generate(text)
plt.figure(figsize=(16, 9))
plt.imshow(wc)
plt.axis('off')
plt.show()
除去 Python，出现最多的是后端、MySQL、爬虫、全栈、算法等。这意味着单纯掌握 Python 语法是不够的，必须结合数据库和特定业务场景。
6. 薪资水平
接下来我们看看各大公司给出的薪资条件。
salary_value_counts = df['salary'].value_counts()
top = 15
salary = list(salary_value_counts.head(top).index)
salary_counts = list(salary_value_counts.head(top))
bar = (
Bar()
.add_xaxis(salary)
.add_yaxis("", salary_counts)
.set_global_opts(xaxis_opts=opts.AxisOpts(name_rotate=0, name="薪资", axislabel_opts={"rotate": 45}))
)
bar.render_notebook()
大部分公司给出的薪资还是很可观的，基本都在 20K-35K 之间，只要你技术过关，很难找不到满意薪酬的工作。
7. 福利待遇
最后咱来看看公司给出的额外福利都有哪些。
word_data = df['companyLabelList'].str.split(',').apply(pd.Series)
word_data = word_data.replace(np.nan, '')
text = word_data.to_string(header=False, index=False)
wc = WordCloud(font_path='/System/Library/Fonts/PingFang.ttc', background_color="white", scale=2.5, contour_color="lightblue").generate(text)
plt.figure(figsize=(16, 9))
plt.imshow(wc)
plt.axis('off')
plt.show()
年底双薪、绩效奖金、扁平化管理。都是大家所熟知的福利，其中扁平化管理是互联网公司的特色。不像国企或者其他实体企业，上下级观念比较重。
四、总结与建议
今天我们抓取了拉钩网 1300+ 条关于 Python 的招聘数据，对这批数据分析之后我们得出如下结论：
- 学历门槛：你最好是本科毕业，市场对 1-5 年工作经验的工程师需求量比较大。
- 地域分布：需求量最大的城市是北上深杭，建议优先选择这些一线城市发展。
- 行业趋势：需求量最多的行业仍然是移动互联网，但人工智能、大数据方向也在增长。
- 技能组合：大多数公司都要求除了 Python 基础外，还需掌握 MySQL、后端开发或算法相关技能。
- 薪资待遇：只要技术过关，大部分公司给出的薪资还是很可观的，基本都在 20K-35K 之间。
给自学者的建议：
- 夯实基础：不仅仅只学 Python，还需要学习算法、数据库等相关知识。任何语言都是一样的，基础不牢，地动山摇。
- 项目驱动：由于 1 年以下经验招聘较少，建议通过参与开源项目或构建个人作品集来弥补经验不足。
- 持续学习：学好 Python 不论是就业还是做副业赚钱都不错。保持对新技术的敏感度，关注行业动态。
- 心态调整：你现在走的路，也许是你人生中最困难的一段路，坚持下来总会有机会入行！
希望这份基于真实数据的分析能帮助你更好地规划学习路径，顺利找到心仪的工作。