python爬取前程无忧招聘用Hive做数据分析Sqoop存储到Mysql并可视化

本文主要是介绍python爬取前程无忧招聘用Hive做数据分析Sqoop存储到Mysql并可视化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、导出数据

导出为zh_all2.txt文件
在这里插入图片描述
在这里插入图片描述

二、上传数据

在这里插入图片描述
在这里插入图片描述

三、使用Flume传入HDFS

(1)编写conf文件
在flume的conf目录下新建文件
在这里插入图片描述

a1.sources=r1
a1.channels=c1
a1.sinks=s1a1.sources.r1.type=exec
a1.sources.r1.command=tail -F /opt/module/flume-1.9.0/conf/data/zh_all2.txt
a1.sources.r1.bind=0.0.0.0
a1.sources.r1.port=44444a1.sinks.s1.type=HDFSa1.sinks.s1.type=hdfs://hadoop129:90000/user/flume/qcwy_txt
a1.sinks.s1.hdfs.rollCount=0
a1.sinks.s1.hdfs.fileType=Datastream# 配置a1的channel组件c1的属性
a1.channels.c1.type=memory
a1.channels.c1.capacity=1000
a1.channels.c1.transactionCapacity=100
# 为source和sink组件绑定channel
a1.sources.r1.channels=c1
a1.sinks.k1.channel=c1

文件传入成功
在这里插入图片描述

四、数据分析

1、利用hive进行分析,2、将hive分析结果利用sqoop技术存储到mysql数据库中,并最后显示分析结果

1、启动Hive导入zh_all2.txt数据

在这里插入图片描述

2、查看table表qcwy2

在这里插入图片描述

3、岗位薪资分析

分析“数据分析”、“大数据开发工程师”、“数据采集”等岗位的平均工资、最高工资、最低工资,并作条形图将结果展示出来

A. 数据分析岗位
(1)模糊匹配提取
以模糊匹配提取出数据分析岗位的记录,存入表f_x_1(只存Jobtitle和wages字段)
在这里插入图片描述
(2)切分薪资字段存储

create table f_x_2 as select Jobtitle, regexp_extract(wages,'([0-9]+)-',1) as a_min, regexp_extract(wages,'-([0-9]+)',1) as a_max, (regexp_extract(wages,'([0-9]+)-',1) + regexp_extract(wages,'-([0-9]+)',1))/2 as a_avg from f_x_1;

数据分析
在这里插入图片描述

数据采集
在这里插入图片描述
在这里插入图片描述
大数据
在这里插入图片描述
在这里插入图片描述
(3)计算最大 、最小、平均

create table f_x_3 as select "数据分析" as Jobtitle, min(int(a_min)*0.1) as s_min, max(int(a_max)*0.1) as s_max, regexp_extract(avg(a_avg),'([0-9]+.[0-9]?[0-9]?)',1)*0.1 as s_avg from f_x_2;

在这里插入图片描述
在这里插入图片描述
汇总
(4)、下面查询大数据、数据采集方法类似、然后汇总为一张总表

在这里插入图片描述

四、使用sqoop存到mysql

(1)在mysql创建数据库数据表
进入数据库:mysql -u root -p
在这里插入图片描述
创建qcwy_db数据库
在这里插入图片描述
使用qcwy_db数据库创建表

(1)创建表:create table tab1(t_name varchar(20), t_min int, t_max int, t_avg varchar(10)) charset utf8 collate utf8_general_ci;
在这里插入图片描述
(2)导入数据

bin/sqoop export --connect jdbc:mysql://hadoop129:3306/qcwy_db  --username root --password 1 --table tab1 --export-dir /user/hive/warehouse/qcwy_db.db/tab1 --input-null-string "\\\\N" --input-null-non-string "\\\\N" --input-fields-terminated-by "\001" --input-lines-terminated-by "\\n" -m 1 

在这里插入图片描述
查询导入的数据
在这里插入图片描述
查询城市岗位数
在这里插入图片描述

可视化分析

创建远程访问mysql数据库用户

 GRANT ALL PRIVILEGES ON *.* TO 'admin'@'%' IDENTIFIED BY '1' WITH GRANT OPTION; 

在这里插入图片描述

1、岗位薪资分析

在这里插入图片描述

import pymysql
from pyecharts.charts import Bar
from pyecharts import options as opts
class MysqlTool:def __init__(self,host,user,password,database,port = 3306,charset = 'utf8'):self.host = hostself.user = userself.password = passwordself.database = databaseself.port = portself.charset = charsetdef connect(self):#连接数据库self.conn = pymysql.connect(host = self.host,user = self.user,password = self.password,database = self.database,port = self.port,charset = self.charset)self.cursor = self.conn.cursor() #cursor获取游标#增删改#sql:要执行的sql语句#args:带参sql的值#返回受影响的行数def __cud(self,sql,args = None):#私有row_count = 0try:self.connect()row_count = self.cursor.execute(sql,args)#execute执行self.conn.commit()#commit提交self.close()except Exception as e:print(e)return row_count#插入def insert(self,sql,args):return self.__cud(sql,args)#修改def updata(self,sql,args):return self.__cud(sql,args)#删除def delete(self,sql,args):return self.__cud(sql,args)#查询一条信息def get_one(self,sql,args=None):try:self.connect()self.cursor.execute(sql,args)result=self.cursor.fetchone()self.close()return resultexcept Exception as e:print(e)#查询多条信息def get_all(self,sql,args=None):try:self.connect()self.cursor.execute(sql,args)#  连接,获取光标,执行# result=self.cursor.execute()result=self.cursor.fetchall()#返回结果self.close()return resultexcept Exception as e:print(e)#关闭连接def close(self):self.cursor.close()self.conn.close()mt = MysqlTool('192.168.10.129', 'root', '1', 'hive')
def show_text():sql = "select * from work_1"result = mt.get_all(sql)
#得到职位名称
def show_name(list):vv = []for v in list:name = ''a = re.findall('[\u4e00-\u9fa5]', str(v))for i in a:name += ivv.append(name)#print(vv)return vv
#
def show_bar_chart1(data1,cc):ll = data1# 创建3个空数组average_Pay_level = []max_Pay_level = []min_Pay_level = []#循环向数组添加数据for i in ll:data = pd.DataFrame(list(db.find(i)))bb = data['wages'].valuesmax_Pay_level.append(Pay_level_list(bb)[0])average_Pay_level.append(Pay_level_list(bb)[1])min_Pay_level.append(Pay_level_list(bb)[2])show(max_Pay_level, average_Pay_level, min_Pay_level, cc)
#data为工资列表
#统一格式后,输出最大,平均,最小
def Pay_level_list(data):ww = [".*?千/月", ".*?万/月", ".*?万/年", ".*?元/天"]Pay_level_list = []for i in data:if isinstance(i, str):for j, v in enumerate(ww):if re.search(v, i) is not None:if j == 0:num = [round(i, 2) for i in([(i * 12 / 10) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))])]elif j == 1:num = [round(i, 2) for i in([(i * 12) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))])]elif j == 2:num = [round(i, 2) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))]elif j == 3:num = [round(i, 2) for i in([(i * 365 / 10000) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))])]Pay_level_list.append(num_al(num))return max(Pay_level_list), tall_num(Pay_level_list), min(Pay_level_list)
#求平均值
def tall_num(list):num = 0for i in list:num += ireturn round(num/(len(list)+1), 2)
def num_al(list):if len(list) >= 2:num = (list[0] + list[1]) / 2else:num = list[0]return round(num, 2)
#输出条形图
def show(a, b, c, d):name=d  #d = x轴标题(abcd个数要对应)y1 = a  # a = 最高工资列表y2 = b  #b = 平均工资列表y3 = c  #c = 最低工资x = pd.np.arange(len(name))width = 0.25plt.bar(x, y1, width=width, label='最高工资', color='red')plt.bar(x + width, y2, width=width, label='平均工资', color='deepskyblue', tick_label=name)plt.bar(x + 2 * width, y3, width=width, label='最低工资', color='green')# 显示在图形上的值for a, b in zip(x, y1):plt.text(a, b + 0.1, b, ha='center', va='bottom')for a, b in zip(x, y2):plt.text(a + width, b + 0.1, b, ha='center', va='bottom')for a, b in zip(x, y3):plt.text(a + 2 * width, b + 0.1, b, ha='center', va='bottom')plt.xticks()plt.legend(loc="upper left")  # 防止label和图像重合显示不出来plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签plt.ylabel('月/K')plt.xlabel('岗位名称')plt.rcParams['savefig.dpi'] = 300  # 图片像素plt.rcParams['figure.dpi'] = 300  # 分辨率plt.rcParams['figure.figsize'] = (15.0, 8.0)  # 尺寸plt.title("工资分析")plt.savefig('D:\\result.png')plt.show()

2、岗位数量分析

在这里插入图片描述

import pymysql
from pyecharts.charts import Bar
from pyecharts import options as opts
class MysqlTool:def __init__(self,host,user,password,database,port = 3306,charset = 'utf8'):self.host = hostself.user = userself.password = passwordself.database = databaseself.port = portself.charset = charsetdef connect(self):#连接数据库self.conn = pymysql.connect(host = self.host,user = self.user,password = self.password,database = self.database,port = self.port,charset = self.charset)self.cursor = self.conn.cursor() #cursor获取游标#增删改#sql:要执行的sql语句#args:带参sql的值#返回受影响的行数def __cud(self,sql,args = None):#私有row_count = 0try:self.connect()row_count = self.cursor.execute(sql,args)#execute执行self.conn.commit()#commit提交self.close()except Exception as e:print(e)return row_count#插入def insert(self,sql,args):return self.__cud(sql,args)#修改def updata(self,sql,args):return self.__cud(sql,args)#删除def delete(self,sql,args):return self.__cud(sql,args)#查询一条信息def get_one(self,sql,args=None):try:self.connect()self.cursor.execute(sql,args)result=self.cursor.fetchone()self.close()return resultexcept Exception as e:print(e)#查询多条信息def get_all(self,sql,args=None):try:self.connect()self.cursor.execute(sql,args)#  连接,获取光标,执行# result=self.cursor.execute()result=self.cursor.fetchall()#返回结果self.close()return resultexcept Exception as e:print(e)#关闭连接def close(self):self.cursor.close()self.conn.close()mt = MysqlTool('192.168.10.129', 'root', '1', 'hive')
def show_text():sql = "select * from work_1"result = mt.get_all(sql)
#得到职位名称
def show_name(list):vv = []for v in list:name = ''a = re.findall('[\u4e00-\u9fa5]', str(v))for i in a:name += ivv.append(name)return vv#饼图实现
def pie_chart(list1):city = list1city1 = []city2 = []for i in city:city1.append(i["recruiters"])#拿到公司名mm = show_name(city1)for j, v in enumerate(city):bb = len(pd.DataFrame(list(db.find(v))))city2.append(bb)mm[j] += str(bb)plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签sizes = city2# explode = (0.1, 0, 0, 0, 0)plt.pie(sizes, labels=mm, autopct='%1.1f%%', shadow=False, startangle=150)  # 想要突出plt.title("饼图示例-岗位数")plt.show()

三、岗位经验分析

在这里插入图片描述

import pymysql
from pyecharts.charts import Bar
from pyecharts import options as opts
class MysqlTool:def __init__(self,host,user,password,database,port = 3306,charset = 'utf8'):self.host = hostself.user = userself.password = passwordself.database = databaseself.port = portself.charset = charsetdef connect(self):#连接数据库self.conn = pymysql.connect(host = self.host,user = self.user,password = self.password,database = self.database,port = self.port,charset = self.charset)self.cursor = self.conn.cursor() #cursor获取游标#增删改#sql:要执行的sql语句#args:带参sql的值#返回受影响的行数def __cud(self,sql,args = None):#私有row_count = 0try:self.connect()row_count = self.cursor.execute(sql,args)#execute执行self.conn.commit()#commit提交self.close()except Exception as e:print(e)return row_count#插入def insert(self,sql,args):return self.__cud(sql,args)#修改def updata(self,sql,args):return self.__cud(sql,args)#删除def delete(self,sql,args):return self.__cud(sql,args)#查询一条信息def get_one(self,sql,args=None):try:self.connect()self.cursor.execute(sql,args)result=self.cursor.fetchone()self.close()return resultexcept Exception as e:print(e)#查询多条信息def get_all(self,sql,args=None):try:self.connect()self.cursor.execute(sql,args)#  连接,获取光标,执行# result=self.cursor.execute()result=self.cursor.fetchall()#返回结果self.close()return resultexcept Exception as e:print(e)#关闭连接def close(self):self.cursor.close()self.conn.close()mt = MysqlTool('192.168.10.129', 'root', '1', 'hive')
def show_text():sql = "select * from work_1"result = mt.get_all(sql)
#data为工资列表
# 统一格式后,输出最大,平均,最小
def Pay_level_list(data):ww = [".*?千/月", ".*?万/月", ".*?万/年", ".*?元/天"]Pay_level_list = []for i in data:if isinstance(i, str):for j, v in enumerate(ww):if re.search(v, i) is not None:if j == 0:num = [round(i, 2) for i in([(i * 12 / 10) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))])]elif j == 1:num = [round(i, 2) for i in([(i * 12) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))])]elif j == 2:num = [round(i, 2) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))]elif j == 3:num = [round(i, 2) for i in([(i * 365 / 10000) for i in (list(map(float, re.findall(r"\d+\.?\d*", i))))])]Pay_level_list.append(num_al(num))return max(Pay_level_list), tall_num(Pay_level_list), min(Pay_level_list)
#求平均数
def tall_num(list):num = 0for i in list:num += ireturn round(num/(len(list)+1), 2)
def num_al(list):if len(list) >= 2:num = (list[0] + list[1]) / 2else:num = list[0]return round(num, 2)
#
def show_bar_chart1(xx,cc):#拿到工资数据ll = xx#创建3个空数组average_Pay_level = []max_Pay_level = []min_Pay_level = []#循环向数组添加数据for i in ll:data = pd.DataFrame(list(db.find(i)))bb = data['wages'].valuesmax_Pay_level.append(Pay_level_list(bb)[0])average_Pay_level.append(Pay_level_list(bb)[1])min_Pay_level.append(Pay_level_list(bb)[2])show(max_Pay_level, average_Pay_level, min_Pay_level, cc)def show(a, b, c, d):name=d  #d = x轴标题(abcd个数要对应)y1 = a  # a = 最高工资列表y2 = b  #b = 平均工资列表y3 = c  #c = 最低工资x = pd.np.arange(len(name))width = 0.25plt.bar(x, y1, width=width, label='最高工资', color='red')plt.bar(x + width, y2, width=width, label='平均工资', color='green', tick_label=name)plt.bar(x + 2 * width, y3, width=width, label='最低工资', color='pink')# 显示在图形上的值for a, b in zip(x, y1):plt.text(a, b + 0.1, b, ha='center', va='bottom')for a, b in zip(x, y2):plt.text(a + width, b + 0.1, b, ha='center', va='bottom')for a, b in zip(x, y3):plt.text(a + 2 * width, b + 0.1, b, ha='center', va='bottom')plt.xticks()plt.legend(loc="upper left")  # 防止label和图像重合显示不出来plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签plt.ylabel('月/K')plt.xlabel('经验年限')plt.rcParams['savefig.dpi'] = 300  # 图片像素plt.rcParams['figure.dpi'] = 300  # 分辨率plt.rcParams['figure.figsize'] = (15.0, 8.0)  # 尺寸plt.title("工作年限工资图")plt.savefig('D:\\result.png')plt.show()

这篇关于python爬取前程无忧招聘用Hive做数据分析Sqoop存储到Mysql并可视化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/680397

相关文章

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

MySQL 中的 CAST 函数详解及常见用法

《MySQL中的CAST函数详解及常见用法》CAST函数是MySQL中用于数据类型转换的重要函数,它允许你将一个值从一种数据类型转换为另一种数据类型,本文给大家介绍MySQL中的CAST... 目录mysql 中的 CAST 函数详解一、基本语法二、支持的数据类型三、常见用法示例1. 字符串转数字2. 数字

Mysql实现范围分区表(新增、删除、重组、查看)

《Mysql实现范围分区表(新增、删除、重组、查看)》MySQL分区表的四种类型(范围、哈希、列表、键值),主要介绍了范围分区的创建、查询、添加、删除及重组织操作,具有一定的参考价值,感兴趣的可以了解... 目录一、mysql分区表分类二、范围分区(Range Partitioning1、新建分区表:2、分

MySQL 定时新增分区的实现示例

《MySQL定时新增分区的实现示例》本文主要介绍了通过存储过程和定时任务实现MySQL分区的自动创建,解决大数据量下手动维护的繁琐问题,具有一定的参考价值,感兴趣的可以了解一下... mysql创建好分区之后,有时候会需要自动创建分区。比如,一些表数据量非常大,有些数据是热点数据,按照日期分区MululbU

SQL Server配置管理器无法打开的四种解决方法

《SQLServer配置管理器无法打开的四种解决方法》本文总结了SQLServer配置管理器无法打开的四种解决方法,文中通过图文示例介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录方法一:桌面图标进入方法二:运行窗口进入检查版本号对照表php方法三:查找文件路径方法四:检查 S

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

Python设置Cookie永不超时的详细指南

《Python设置Cookie永不超时的详细指南》Cookie是一种存储在用户浏览器中的小型数据片段,用于记录用户的登录状态、偏好设置等信息,下面小编就来和大家详细讲讲Python如何设置Cookie... 目录一、Cookie的作用与重要性二、Cookie过期的原因三、实现Cookie永不超时的方法(一)