首页 > 其他分享 >Hive职位岗位数据分析实战

Hive职位岗位数据分析实战

时间:2022-11-13 16:31:07浏览次数:45  
标签:数据分析 实战 salary count Hive colwhen jobdata col select


Hive职位岗位数据分析实战

文章目录

  • ​​Hive职位岗位数据分析实战​​
  • ​​创建数据库​​
  • ​​使用创建的数据库​​
  • ​​创建表​​
  • ​​在hdfs上加载数据​​
  • ​​如果不在hdfs,在本地加载数据​​
  • ​​查看数据​​
创建数据库
create database jobdata;
使用创建的数据库
use jobdata;
创建表
create table jobdata_origin(

city string comment "城市",

salary array<String> comment "薪资",

company array<String> comment "福利",

kill array<String> comment "技能")

comment "原始职位数据库"

row format delimited fields terminated by ','

collection items terminated by '-'

stored as textfile;
在hdfs上加载数据
load data inpath '/JobData/output/part-r-00000' overwrite into table jobdata_origin;
如果不在hdfs,在本地加载数据
load data local inpath '/root/part-r-00000' overwrite into table jobdata_origin;
查看数据
select*from jobdata_origin;

Hive职位岗位数据分析实战_加载数据

下面的方法创建jobdata_detail表,并且加载jobdata_origin表里面的数据

下面的方法可以加载数据:

create table jobdata_detail as select city,salary,company,kill,salary[0] low_salary,salary[1] high_salary,(salary[0]+salary[1])/2 avg_salary from jobdata_origin;

#查询细化的薪资

select*,salary[0],salary[1],(salary[0]+salary[1])/2 from jobdata_origin limit 10;

Hive职位岗位数据分析实战_中位数_02

#创建表tmp_salay,扁平化处理后的薪资临时表

create table tmp_salary as select explode(jo.salary) from jobdata_origin jo;

#创建tmp_company,扁平化处理后的公司临时表

create table tmp_company as select explode(jo.company) from jobdata_origin jo;

#tmp_kill 扁平化处理后的技能临时表

create table tmp_kill as select explode(jo.kill) from jobdata_origin jo;

#对tmp_salary表的每一条数据进行泛化处理,将处理结果存储到中间表tm_salarylist中,命令如下:

create table tmp_salarylist as  

select col,case when col>=0 and col<=5 then "0-5"

when col>=6 and col<=10 then "6-10"

when col>=11 and col<=15 then "11-15"

when col>=16 and col<=20 then "16-20"

when col>=21 and col<=25 then "21-25"

when col>=26 and col<=30 then "26-30"

when col>=31 and col<=35 then "31-35"

when col>=36 and col<=40 then "36-40"

when col>=41 and col<=45 then "41-45"

when col>=46 and col<=50 then "46-50"

when col>=51 and col<=55 then "51-55"

when col>=56 and col<=60 then "56-60"

when col>=61 and col<=65 then "61-65"

when col>=66 and col<=70 then "66-70"

when col>=71 and col<=75 then "71-75"

when col>=76 and col<=80 then "76-80"

when col>=81 and col<=85 then "81-85"

when col>=86 and col<=90 then "86-90"

when col>=91 and col<=95 then "91-95"

when col>=96 and col<=100 then "96-100"

when col>=101 then ">101" end from tmp_salary;

#查询泛化后的数据

select*from tmp_salarylist limit 10;

Hive职位岗位数据分析实战_hive_03

分析1,职位区域分析:

查询不同城市大数据岗位的需求量,查询结果保存到t_city_detail表

select city,count(*) from jobdata_origin group by city;

建表插入

create table t_city_detail as

select city,count(*) from jobdata_origin group by city;

查看创建的表并且排序

select*from t_city_detail sort by count desc;

Hive职位岗位数据分析实战_大数据_04


Hive职位岗位数据分析实战_大数据_05

职位薪资分析(全国薪资分布情况)

统计不同工资区间频率和占比

1查询

select c1,count(*) from tmp_salarylist group by c1;

2:建表

create table t_salary_detail as

select c1,count(1) from tmp_salarylist group by c1;

3.查看表结构

desc t_salary_detail;

3:验证

select * from t_salary_detail sort by c1 desc;

Hive职位岗位数据分析实战_中位数_06

Hive职位岗位数据分析实战_中位数_07

Hive职位岗位数据分析实战_数据_08

Hive职位岗位数据分析实战_数据_09

职位薪资分析(薪资的平均值、中位数和众数)

求薪资的平均值,平均值是统计中的一个重要概念。为集中趋势的最常用测度值,目的是确定一组数据的均衡点。

求薪资的众数,众数是指统计分布上具有明显集中趋势点的数值,代表数据的一般水平,也是一组数据中出现次数最多的数值。

求薪资的中位数,中位数又称中值,是统计学中的专有名词,是按顺序排列的一组数据中居于中间位置的数,代表一个样本、种群或概率分布中的一个数值。

薪资的平均值

select avg(avg_salary) from jobdata_detail;

Hive职位岗位数据分析实战_中位数_10

薪资的众数

select avg_salary,count (*) cnt from  jobdata_detail group by avg_salary sort by cnt desc limit 1 ;

Hive职位岗位数据分析实战_hive_11

薪资的中位数

select percentile(cast(avg_salary as BIGINT),0.5) from jobdata_detail;

Hive职位岗位数据分析实战_中位数_12

求各个城市的招聘岗位数量和城市的平均薪资

select city,count(city),round(avg(avg_salary),2) as cnt from jobdata_detail group by city sort by cnt desc;

Hive职位岗位数据分析实战_加载数据_13

公司福利分析

对公司福利字段进行分析,统计大数据职位相关公司对员工福利常用的标签有哪些。即统计不同福利标签频率。结果存储到tmp_ods_company表中

select col,count(*) from tmp_company;

create table t_company_detail as select col company,count(*)count from tmp_company

group by col;

select * from t_company_detail sort by count desc limit 5;

Hive职位岗位数据分析实战_hive_14

职位技能要求分析

通过对技能标签分析,了解要从事大数据相关工作需要掌握哪些技能,招聘公司比较重视哪些技能。即统计不同技能标签出现的频率

select col,count(*) from tm_kill;

create table t_kill_detail as select col kill,count(*) count from tmp_kill

group by col;

select * from t_kill_detail sort by count desc limit 10;

Hive职位岗位数据分析实战_中位数_15

Hive职位岗位数据分析实战_hive_16

能标签出现的频率

select col,count(*) from tm_kill;

create table t_kill_detail as select col kill,count(*) count from tmp_kill

group by col;

select * from t_kill_detail sort by count desc limit 10;


标签:数据分析,实战,salary,count,Hive,colwhen,jobdata,col,select
From: https://blog.51cto.com/u_15870497/5847784

相关文章

  • 【网络】内网穿透方案&FRP内网穿透实战(基础版)
    目录前言方案方案1:公网方案2:第三方内网穿透软件花生壳cpolar方案3:云服务器做反向代理FRP简介FRP资源FRP原理FRP配置教程之SSH前期准备服务器配置下载FRP配置FRP服务端启动F......
  • Hive 练习题
    准备数据createtablegulivideo_ori(videoIdstring,uploaderstring,ageint,categoryarray<string>,lengthint,viewsint,ratefloat,ratingsint......
  • 强化学习代码实战-06 DQN算法(单模型)
    现在我们想在类似车杆的环境中得到动作价值函数,由于状态每一维度的值都是连续的,无法使用表格记录,因此一个常见的解决方法便是使用函数拟合(functionapproximation)的思想。......
  • 篇(9)-Asp.Net Core入门实战-在页面中增加下拉框、复选框功能的增加和修改
    入门实战-在页面中增加下拉框、复选框功能的增加和修改一个标准的表单应用页面(视图),有很多元素,文本框只是有的多一些,还有复选框,下拉框,单选钮等各种元素,本节我将讲述使用asp......
  • Hive3源码总结2
    大数据技术之Hive源码2接上文2.4HQL生成AST(抽象语法树)2.5对AST进一步解析 接下来的步骤包括:1)将AST转换为QueryBlock进一步转换为OperatorTree;2)对OperatorTree进行逻辑优......
  • Pytest接口测试框架实战项目搭建(三)—— 统一登录处理
    一、前言业务系统的登录均要经过统一登录系统S,本篇演示2个业务系统的登录,一个是内部业务系统C,一个是外部用户使用的系统W,因为账号密码以及headers信息都不一样,所以要......
  • 6.数据分析(1) --描述性统计量和线性回归(2)
    昨天分享了描述性统计量相关内容,今天把昨天剩下的部分写完,昨天文章链接:​​6.数据分析(1)--描述性统计量和线性回归(1)​​前言:在针对非物理信号分析的时候,例如用户数、用......
  • 【云原生】Minio on k8s 讲解与实战操作
    目录一、概述二、开始编排部署1)下载chart包2)构建镜像3)修改yaml编排4)开始部署5)测试验证6)卸载一、概述MinIO是在GNUAffero通用公共许可证v3.0下发布的高性能对象存......
  • Hive性能优化
    一、Hive表设计优化1.1分区表1.1.1Hive查询基本原理Hive的设计思想是通过元数据将HDFS上的文件映射成表,基本的查询原理是当用户通过HQL语句对Hive中的表进行复杂数......
  • 操作系统迁移实战之X86硬件兼容性移迁指南
    X86硬件兼容性移迁指南(openEuler20.03LTSSP1)案例环境硬件硬件如下表所示项目说明服务器2288HV5CPUInter(R)Xeon(R)[email protected]......