🤵♂️ 个人主页：@艾派森的个人主页
✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+
目录
1.项目背景
在当今数字化时代，企业数据的收集和分析已经成为企业成功的关键因素之一。员工数据作为企业数据的重要组成部分，对于企业的人力资源管理、战略决策等方面都具有重要的意义。然而，如何有效地整合、分析和利用员工数据，一直是企业面临的挑战。
员工数据包含了员工的基本信息、工作表现、职业发展等方面，这些数据可以揭示员工的特点、行为和趋势。通过对员工数据的分析和挖掘，企业可以更好地了解员工的需求和期望，优化招聘和培训计划，提高员工的工作满意度和忠诚度。此外，员工数据还可以帮助企业识别潜在的劳动力风险和机会，为企业的战略发展提供数据支持。
然而，目前很多企业对于员工数据的利用还停留在传统的表格和报表形式，无法直观地呈现数据的特点和趋势。同时，由于数据来源的多样性，数据的准确性和完整性也难以保证。因此，需要一种更加有效的方法来整合、分析和利用员工数据。
数据可视化是一种将数据以图形、图像等形式呈现出来的方法，可以直观地展示数据的特点和趋势。通过数据可视化，企业可以更加清晰地了解员工情况，为人力资源决策提供有力的支持。同时，数据可视化还可以提高数据的透明度和可信度，加强管理层与员工之间的沟通和信任。
因此，本次实验旨在通过可视化工具和技术，分析和呈现公司员工数据信息。这种数据可视化对于公司管理和决策制定非常重要，可以帮助领导层更好地了解员工情况，优化流程，提高效率，和制定人力资源策略。
2.数据集介绍
该数据集来源于Kaggle，原始数据集中共有4653条，9个特征变量，各变量解释含义如下：
Education: 员工的教育资格，包括学位、机构和研究领域。
Joining Year: 每位员工加入公司的年份，表明他们的服务年限。
City: 每个员工所在或工作的地点或城市。
Payment Tier: 将员工分为不同的薪资等级。
Age: 每个员工的年龄，提供人口统计洞察。
Gender: 员工的性别认同，促进多样性分析。
Ever Benched: 表示员工是否曾经暂时没有分配过工作。
Experience in Current Domain: 员工在当前领域的经验年数。
Leave or Not: 目标栏。
3.技术工具
Python版本:3.9
代码编辑器：jupyter notebook
4.导入数据
首先导入数据可视化的第三方库，并加载数据集
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import warnings
warnings.filterwarnings('ignore')
df = pd.read_csv("Employee.csv")
df.head()
查看数据大小
查看数据基本信息
查看数据描述性统计
删除缺失值和重复值
5.数据可视化
# 员工教育分析
plt.figure(figsize=(10, 6))
sns.countplot(data=df, x='Education', palette='Set2')
plt.title('Education of Employees')
plt.show()
1971名员工拥有学士学位，说明大多数员工拥有学士学位。拥有硕士学位的员工637人，156名拥有博士学位的员工。
# 入职年限分布
sns.histplot(data=df, x='JoiningYear', bins=20, kde=True, color='skyblue')
plt.title('Distribution of Joining Years')
plt.show()
2017年是加入该公司的员工人数最多的一年，有662名新员工。紧随其后的是，2015年，有464名新员工加入公司。2013年，共有396名员工加入公司。新员工人数最少的一年是2018年，只有239名员工加入该公司。
# 员工城市分布
city_cnts = df['City'].value_counts()
px.pie(city_cnts, names=city_cnts.index, values=city_cnts.values,
title='Employees Distribution by City', color_discrete_sequence=px.colors.sequential.Sunset,
hole = 0.5)
大多数员工(42.4%)来自班加罗尔，其次是29%来自浦那，28.7%来自新德里
# 员工年龄分布
plt.figure(figsize=(10, 6))
sns.histplot(data=df, x='Age', bins=20, kde=True, color='coral')
plt.title('Employee Ages Distribution')
plt.show()
数据集中员工的最低年龄为22岁。25%的员工年龄在27岁以下或等于27岁。50%的员工年龄在30岁以下或等于30岁。75%的员工年龄在35岁以下或等于35岁。数据集中记录的员工最大年龄为41岁。
# 性别分布
sns.countplot(data=df, x='Gender', palette='muted')
plt.title('Gender Distribution')
plt.show()
组织中男性员工比女性员工多。
# 当前领域的经验分布
plt.figure(figsize=(10, 6))
sns.histplot(data=df, x='ExperienceInCurrentDomain', bins=20, kde=True, color='limegreen')
plt.title('Distribution of Experience in Current Domain')
plt.show()
大多数员工有2年工作经验(681名员工)，其次是5年工作经验(470名员工)。随着工作年限的增加，员工人数逐渐减少。只有少数员工在当前领域拥有6年(8名员工)或7年(9名员工)的经验。
# 员工休假或未休假人数
sns.countplot(data=df, x='LeaveOrNot', palette='dark')
最全的Linux教程，Linux从入门到精通
======================
1. **linux从入门到精通(第2版)**
2. **Linux系统移植**
3. **Linux驱动开发入门与实战**
4. **LINUX 系统移植 第2版**
5. **Linux开源网络全栈详解 从DPDK到OpenFlow**
第一份《Linux从入门到精通》466页
====================
内容简介
====
本书是获得了很多读者好评的Linux经典畅销书**《Linux从入门到精通》的第2版**。本书第1版出版后曾经多次印刷，并被51CTO读书频道评为“最受读者喜爱的原创IT技术图书奖”。本书第﹖版以最新的Ubuntu 12.04为版本，循序渐进地向读者介绍了Linux 的基础应用、系统管理、网络应用、娱乐和办公、程序开发、服务器配置、系统安全等。本书附带1张光盘，内容为本书配套多媒体教学视频。另外,本书还为读者提供了大量的Linux学习资料和Ubuntu安装镜像文件，供读者免费下载。
**本书适合广大Linux初中级用户、开源软件爱好者和大专院校的学生阅读，同时也非常适合准备从事Linux平台开发的各类人员。**
> 需要《Linux入门到精通》、《linux系统移植》、《Linux驱动开发入门实战》、《Linux开源网络全栈》电子书籍及教程的工程师朋友们劳烦您转发+评论
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友，可以点击这里获取！](https://bbs.csdn.net/topics/618542503)**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
3078
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
