前言：

隨著互聯網行業的日益興盛，吸引力越來越多的牛人加入其中，也有許多小伙伴躍躍欲試，想要在互聯網的浪潮中大展身手。今天我們通過看準網的數據，幫助大家對各大互聯網公司有一個比較概括的了解。

01數據來源

看準網提供了許多員工對于公司的評價，我們從中提取需要的數據，包括整體評分、面試難度、推薦率、前景看好情況、CEO支持率，代碼如下：

## 獲得信息  
def get_company_info(num,headers): 
   ## 獲得評價數據 
   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,headers=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 
   ## 整合數據成為字典 
   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_name 

02整體對比

我們最終選取了50家互聯網公司作為樣本進行對比，選取來源主要是結合2018年互聯網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在各項排名中都處于十分靠前的位置，網易也占據了多個榜單的靠前位置，騰訊霸占了所有排名的TOP1。下面我們再來看一下面試難度，我們選取了面試難度評分的TOP15和BOTTOM15，該數據僅供參考，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，該數據僅僅是一個參考，真正的面試還是要取決于求職者的實際能力，所謂會者不難，難者不會。真正的大牛無論是面對多么困難的面試，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，下面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作為數據，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，下面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，也是出于領先地位，可見其還不錯的發展勢頭，最后放上和小編息息相關的三家公司，具體是哪三家，相信了解小編的朋友一定是可以猜出來的：

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數據進行簡單的圖片拼接，制作成一副大的合成圖。主要原理是利用numpy中的多維數組進行拼接，由于圖像本身就可以看做是一個三維數組(彩色)或者一位數組(黑白)，所以我們只需利用數組的拼接方法，就可以達到我們的目的。

代碼如下：

## 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') 

下面就是我們的效果圖，不知道大家是否能一眼就把所有的logo都認全

最后是各位大佬的拼圖，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板

作者介紹：徐麟，目前就職于上海唯品會產品技術中心，哥大統計數據狗，從事數據挖掘&分析工作，喜歡用R&Python玩一些不一樣的數據