就业数据处理

因为就业数据只给了就业单位的名称，不方便判断就业质量，所以打算将就业的公司分成‘中国互联网企业100强’，还有很多去了国企的，所以又添加了‘中国企业500强’，‘和世界企业500强’，都在demo数据库中的job2表上操作（好久没弄了忘记了job2是不是最终汇总的job表了）

互联网企业100强链接

备注：中国互联网协会、工业和信息化部信息中心在京联合发布2017年“中国互联网企业100强”榜单。

最终读取的是C:\Users\lenovo\Desktop\研究生院项目\2017年100强互联网企业\100.txt

中国企业500强链接

备注：本排行榜覆盖范围包括在中国境内外上市的所有中国公司，所依据数据为上市公司在各证券交易所正式披露信息。

最终读取的是C:\Users\lenovo\Desktop\研究生院项目\2017年100强互联网企业\top500-new-replace

财富世界500强链接

备注：《财富》世界500强排行榜一直是衡量全球大型公司的最著名、最权威的榜单，被誉为“终极榜单”，由《财富》杂志每年发布一次。

最终读取的是C:\Users\lenovo\Desktop\研究生院项目\2017年100强互联网企业\世界500强\500-world.txt

预计结果

将就业单位打上xx强的标签后，勉强可以区分出来就业质量好坏了，1052/2236人的就业单位带有xx强标签，可以通过聚类等分析行为因素

奇怪的地方

1.google不是世界500强。

2 很多大公司具有不同的名称

世界500强：阿里巴巴集团

中国500强：阿里巴巴集团控股 

互联网企业100强：阿里巴巴集团 

学生就业单位名称：阿里巴巴（中国）网络技术有限公司

因互联网100强中有简称‘阿里巴巴’，故100强标签命中率比较高，世界和中国500因没有简称，命中率低，可加简称到存储文档中