知識星球
導讀：隨著網際網路行業的日益興盛，吸引力越來越多的牛人加入其中，也有許多小夥伴躍躍欲試，想要在網際網路的浪潮中大展身手。今天我們透過看準網的資料，幫助大家對各大網際網路公司有一個比較概括的瞭解。
作者：徐麟
來源：資料森麟（ID：shujusenlin）
01 資料來源
看準網提供了許多員工對於公司的評價，我們從中提取需要的資料，包括整體評分、面試難度、推薦率、前景看好情況、CEO支援率，程式碼如下：
## 獲得資訊
def get_company_info(num,essay-headers):
## 獲得評價資料
url = 'https://www.kanzhun.com/gsr'+str(num)+'.html?ka=com-blocker1-review'
js='window.open("'+url+'")'
driver.execute_script(js)
time.sleep(5)
driver.close()
driver.switch_to_window(driver.window_handles[0])
bsObj=BeautifulSoup(driver.page_source,"html.parser")
tag=bsObj.find('div',attrs={'class':'all_item'}).text.replace('\t','').replace('\n','').replace('(',' ').replace(')',' ').split(' ')
tag=tag[0:len(tag)-1]
this_tag = {tag[i*2]:tag[i*2+1] for i in np.arange(int(len(tag)/2-1))}
this_name = bsObj.find('div',attrs={'class':'co_name t_center'}).text
this_overal = float(bsObj.find('div',attrs={'class':'res_box_star f_right'}).find('em').text)
points = bsObj.find('ul',attrs={'class':'score_rate clearfix'}).text.replace('\n',' ').split()
this_recommend = float(points[0][0:2])/100*5
this_future = float(points[2][0:2])/100*5
this_ceo = float(points[4][0:2])/100*5
## 獲得CEO頭像和公司logo
ceo_pic = bsObj.find('div',attrs={'class':'ceo_info'}).find('div').find('img').attrs['src']
ceo_name = bsObj.find('div',attrs={'class':'ceo_info'}).find('p').text
head_logo = bsObj.find('div',attrs={'class':'com_logo f_left'}).find('img').attrs['src']
head_loc = 'D:/爬蟲/看準/公司logo/'+this_name+'.jpg'
ceo_loc = 'D:/爬蟲/看準/CEOlogo/'+this_name+'.jpg'
request.urlretrieve(head_logo,head_loc)
request.urlretrieve(ceo_pic,ceo_loc)
## 獲得面試難度
url = 'https://www.kanzhun.com/gsm'+str(num)+'.html?ka=com-floater-interview'
js='window.open("'+url+'")'
driver.execute_script(js)
time.sleep(5)
driver.close()
driver.switch_to_window(driver.window_handles[0])
bsObj=BeautifulSoup(driver.page_source,"html.parser")
req=request.Request(url,essay-headers=essay-headers)
html=urlopen(req)
bsObj=BeautifulSoup(html.read(),"html.parser")
this_difficulty = float(bsObj.find('section',attrs={'class':'interview_feel'}).find('em').text)
this_feeling = bsObj.find('ul',attrs={'class':'score_list'}).find_all('span',attrs={'class':'percent'})
this_feeling = [float(k.text.replace('%','')) for k in this_feeling]
this_feeling = (this_feeling[0]*5+this_feeling[1]*3+this_feeling[2]*1)/100
## 整合資料成為字典
this_company ={'name':this_name,'overal':this_overal,'comments':tag[1],'recommend':this_recommend,
'future':this_future,'ceo':this_ceo,'difficulty':this_difficulty,'feeling':this_feeling}
return this_company,this_tag,this_name02 整體對比
我們最終選取了50家網際網路公司作為樣本進行對比，選取來源主要是結合2018年網際網路公司百強榜單和看準網上的實際評價數量，選取的公司logo拼圖如下，我們會在第4部分講解如何將圖片進行拼接：
首先對比各項評價指標的TOP15：
可以看到，榜單中BAT在各項排名中都處於十分靠前的位置，網易也佔據了多個榜單的靠前位置，騰訊霸佔了所有排名的TOP1。下麵我們再來看一下麵試難度，我們選取了面試難度評分的TOP15和BOTTOM15，該資料僅供參考，根據小編的經驗，同一個公司的不同部門不同崗位之間的難度差異也非常大。
在面試難度偏低的一些公司中，有許多非常不錯的公司，該資料僅僅是一個參考，真正的面試還是要取決於求職者的實際能力，所謂會者不難，難者不會。真正的大牛無論是面對多麼困難的面試，依然可以slay全場。
## 整體評分top15柱形圖
company=pd.read_excel('company_info.xlsx')
company_overal = company.sort_values('overal',ascending=False)[0:15]
attr = company_overal['name']
v1=round(company_overal['overal'],2)
bar = Bar("整體評分TOP15",title_pos='center')
bar.use_theme('essos')
bar.add("", attr, v1, is_stack=False,xaxis_rotate=30,yaxis_min=3.7,is_label_show=True,
xaxis_interval =0,is_splitline_show=False)
bar.render('整體評分TOP15.html')03 雷達圖
前面我們看的都是各個公司之間的對比，下麵我們看一下同一個公司不同維度的情況，我們選取了BAT和TMD作為資料，其他的公司也可以按照同樣的方式進行對比，首先看一下BAT：
BAT真的是名副其實的業界標桿，各項指標都slay整個行業，下麵我們看一下此前發展勢頭迅猛的TMD三家公司：
TMD三家公司和行業整體水平相比，也是出於領先地位，可見其還不錯的發展勢頭。
value_avg = [list(company.iloc[:,[1,3,4,5,6]].mean())]
value_company0 = [list(company.iloc[0,[1,3,4,5,6]])]
value_company1 = [list(company.iloc[1,[1,3,4,5,6]])]
value_company2 = [list(company.iloc[2,[1,3,4,5,6]])]
c_schema= [{"name": "總體評價", "max": 4.4, "min": 3.2},
{"name": "推薦度", "max": 4.75, "min": 2.4},
{"name": "前景看好", "max": 4.25, "min": 1},
{"name": "CEO/董事長認可度", "max": 4.8,"min":3},
{"name": "面試難度", "max": 3.4,"min":2.3}]
radar = Radar()
radar.use_theme('essos')
radar.config(c_schema=c_schema, shape='circle')
radar.add(company['name'][0], value_company0, item_color="blue", symbol=None,linewidht=5)
radar.add(company['name'][1], value_company1, item_color="orange", symbol=None,linewidht=5)
radar.add(company['name'][2], value_company2, item_color="red", symbol=None,linewidht=5)
radar.add("整體水平", value_avg, item_color="purple", symbol=None,linewidth=5,
legend_selectedmode='multiple')
radar.render('bat.html')
04 圖片拼接
看準網提供了各個公司的logo和各位公司大佬的頭像，我們冒昧地利用這些資料進行簡單的圖片拼接，製作成一副大的合成圖。主要原理是利用numpy中的多維陣列進行拼接，由於影象本身就可以看做是一個三維陣列（彩色）或者一位陣列（黑白），所以我們只需利用陣列的拼接方法，就可以達到我們的目的。
程式碼如下：
## 拼接公司logo成為5*10的拼圖
i = 0
for filename in os.listdir("./公司logo"):
file_loc = "D:/爬蟲/看準/公司logo/"+filename
img = mpimg.imread(file_loc)[:,:,0:3]
img = cv2.resize(img, (180,180),interpolation=cv2.INTER_AREA)
if i % 10 == 0:
row_img=img
elif i == 9:
row_img=np.hstack((row_img,img))
all_img = row_img
elif i % 10 == 9:
row_img=np.hstack((row_img,img))
all_img = np.vstack((all_img,row_img))
else:
row_img=np.hstack((row_img,img))
i = i+1
plt.imshow(all_img)
plt.axis('off')
## 拼接大佬頭像成為7*7的拼圖
i = 0
for filename in os.listdir("./CEOlogo"):
file_loc = "D:/爬蟲/看準/CEOlogo/"+filename
img = mpimg.imread(file_loc)[:,:,0:3]
img = cv2.resize(img, (500,500),interpolation=cv2.INTER_CUBIC)
if i % 7 == 0:
row_img=img
elif i == 6:
row_img=np.hstack((row_img,img))
all_img = row_img
elif i % 7 == 6:
row_img=np.hstack((row_img,img))
all_img = np.vstack((all_img,row_img))
else:
row_img=np.hstack((row_img,img))
i = i+1
plt.imshow(all_img)
plt.axis('off')下麵就是我們的效果圖，不知道大家是否能一眼就把所有的logo都認全：
最後是各位大佬的拼圖，不知道大家第一眼看到的是哪位大佬，第一眼看到的大佬，或許就是你未來的老闆
歡迎各位讀者在留言區與我們互動，聊聊你所瞭解的網際網路公司，或者是你最想去的公司。
作者介紹：徐麟，目前就職於上海唯品會產品技術中心，哥大統計資料狗，從事資料挖掘&分析工作，喜歡用R&Python;玩一些不一樣的資料。個人公眾號：資料森麟（ID:shujusenlin），知乎同名專欄作者。
更多精彩
在公眾號後臺對話方塊輸入以下關鍵詞
檢視更多優質內容！
PPT | 報告 | 讀書 | 書單
Python | 機器學習 | 深度學習 | 神經網路
區塊鏈 | 揭秘 | 乾貨 | 數學
猜你想看
Q: 哪位大佬會成為你的新老闆？
歡迎留言與大家分享
覺得不錯，請把這篇文章分享給你的朋友
轉載 / 投稿請聯絡：baiyu@hzbook.com
更多精彩，請在後臺點選“歷史文章”檢視
