Экзаменационный проект: Анализ данных о соискателях HeadHunter

Описание проекта

Проект выполнен в рамках курса Python for Data Science (НИЯУ МИФИ).
Цель работы — провести анализ данных о резюме соискателей на сайте hh.ru:
выполнить очистку, преобразование и исследование данных, визуализировать зависимости и сделать аналитические выводы.
Работа выполнена в Google Colab и оформлена в соответствии с шаблоном курса.

---

Структура проекта

1. Исследование структуры данных

• Первичный осмотр таблицы.
• Анализ типов данных, количества строк и столбцов.
• Проверка наличия дубликатов и пропусков.

2. Преобразование данных

• Выделен уровень образования из признака «Образование и ВУЗ».
• Разделён признак «Пол, возраст» на отдельные поля.
• Преобразован стаж в месяцы.
• Разделён признак «Город, переезд, командировки».
• Выполнен One-Hot Encoding для признаков «Занятость» и «График».
• Пересчитана заработная плата в рубли с учётом курсов валют (по дате обновления резюме).

3. Исследование зависимостей в данных

• Построены распределения по возрасту, опыту работы и зарплате.
• Проанализированы медианные зарплаты в зависимости от образования, города, готовности к переезду и командировкам.
• Созданы тепловые карты, диаграммы рассеяния и многомерные графики.
• Выявлены зависимости между ключевыми признаками.

4. Очистка данных

• Найдены и удалены полные дубликаты строк.
• Выявлены и обработаны пропуски в данных.
• Выполнено заполнение медианой и удаление строк с пропущенными значениями в ключевых столбцах.
• Удалены аномалии заработной платы и записи с нереалистичным опытом работы.
• Проведено выявление и удаление выбросов по признаку «Возраст» с использованием логарифмического масштаба и метода трёх сигм.

---

Используемые библиотеки

pandas, numpy, matplotlib, seaborn, plotly, re

---

Требования для корректного запуска проекта

В корне проекта должна существовать папка data/, в которую необходимо поместить файлы с данными:

• data/dst-3.0_16_1_hh_database.csv
• data/ExchangeRates.csv

Так как файлы с исходными данными имеют большой размер и не могут быть добавлены в репозиторий GitHub, их необходимо скачать вручную по следующим ссылкам:

• dst-3.0_16_1_hh_database.csv — основной датасет с резюме
• ExchangeRates.csv — данные о курсах валют

После загрузки файлы необходимо распаковать (если требуется) и поместить в папку data/ в корне проекта.

---

Интерактивные графики Plotly

GitHub не поддерживает отображение интерактивных графиков Plotly на страницах репозитория.
Все графики, созданные в процессе выполнения проекта, сохранены в папке plots/ в формате .html.

Если графики не отображаются в интерфейсе GitHub, их можно скачать из папки plots и открыть локально в браузере для просмотра интерактивных визуализаций.