Python员工离职数据分析

Python员工离职数据分析

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')

# 数据全显示
pd.set_option('display.max_columns', None)
# 颜色
colors = sns.color_palette()
# 数据精度
pd.set_option('precision', 3)
#  解决中文/小数点显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

项目名称：IBM员工离职数据分析

数据来源：https://tianchi.aliyun.com/dataset/dataDetail?dataId=77180

data_path = './data/WA_Fn-UseC_-HR-Employee-Attrition.csv'
df = pd.read_csv(data_path)

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1470 entries, 0 to 1469
Data columns (total 35 columns):
Age                         1470 non-null int64
Attrition                   1470 non-null object
BusinessTravel              1470 non-null object
DailyRate                   1470 non-null int64
Department                  1470 non-null object
DistanceFromHome            1470 non-null int64
Education                   1470 non-null int64
EducationField              1470 non-null object
EmployeeCount               1470 non-null int64
EmployeeNumber              1470 non-null int64
EnvironmentSatisfaction     1470 non-null int64
Gender                      1470 non-null object
HourlyRate                  1470 non-null int64
JobInvolvement              1470 non-null int64
JobLevel                    1470 non-null int64
JobRole                     1470 non-null object
JobSatisfaction             1470 non-null int64
MaritalStatus               1470 non-null object
MonthlyIncome               1470 non-null int64
MonthlyRate                 1470 non-null int64
NumCompaniesWorked          1470 non-null int64
Over18                      1470 non-null object
OverTime                    1470 non-null object
PercentSalaryHike           1470 non-null int64
PerformanceRating           1470 non-null int64
RelationshipSatisfaction    1470 non-null int64
StandardHours               1470 non-null int64
StockOptionLevel            1470 non-null int64
TotalWorkingYears           1470 non-null int64
TrainingTimesLastYear       1470 non-null int64
WorkLifeBalance             1470 non-null int64
YearsAtCompany              1470 non-null int64
YearsInCurrentRole          1470 non-null int64
YearsSinceLastPromotion     1470 non-null int64
YearsWithCurrManager        1470 non-null int64
dtypes: int64(26), object(9)
memory usage: 402.1+ KB

df.describe()

	Age	DailyRate	DistanceFromHome	Education	EmployeeCount	EmployeeNumber	EnvironmentSatisfaction	HourlyRate	JobInvolvement	JobLevel	JobSatisfaction	MonthlyIncome	MonthlyRate	NumCompaniesWorked	PercentSalaryHike	PerformanceRating	RelationshipSatisfaction	StandardHours	StockOptionLevel	TotalWorkingYears	TrainingTimesLastYear	WorkLifeBalance	YearsAtCompany	YearsInCurrentRole	YearsSinceLastPromotion	YearsWithCurrManager
count	1470.000	1470.000	1470.000	1470.000	1470.0	1470.000	1470.000	1470.000	1470.000	1470.000	1470.000	1470.000	1470.000	1470.000	1470.00	1470.000	1470.000	1470.0	1470.000	1470.000	1470.000	1470.000	1470.000	1470.000	1470.000	1470.000
mean	36.924	802.486	9.193	2.913	1.0	1024.865	2.722	65.891	2.730	2.064	2.729	6502.931	14313.103	2.693	15.21	3.154	2.712	80.0	0.794	11.280	2.799	2.761	7.008	4.229	2.188	4.123
std	9.135	403.509	8.107	1.024	0.0	602.024	1.093	20.329	0.712	1.107	1.103	4707.957	7117.786	2.498	3.66	0.361	1.081	0.0	0.852	7.781	1.289	0.706	6.127	3.623	3.222	3.568
min	18.000	102.000	1.000	1.000	1.0	1.000	1.000	30.000	1.000	1.000	1.000	1009.000	2094.000	0.000	11.00	3.000	1.000	80.0	0.000	0.000	0.000	1.000	0.000	0.000	0.000	0.000
25%	30.000	465.000	2.000	2.000	1.0	491.250	2.000	48.000	2.000	1.000	2.000	2911.000	8047.000	1.000	12.00	3.000	2.000	80.0	0.000	6.000	2.000	2.000	3.000	2.000	0.000	2.000
50%	36.000	802.000	7.000	3.000	1.0	1020.500	3.000	66.000	3.000	2.000	3.000	4919.000	14235.500	2.000	14.00	3.000	3.000	80.0	1.000	10.000	3.000	3.000	5.000	3.000	1.000	3.000
75%	43.000	1157.000	14.000	4.000	1.0	1555.750	4.000	83.750	3.000	3.000	4.000	8379.000	20461.500	4.000	18.00	3.000	4.000	80.0	1.000	15.000	3.000	3.000	9.000	7.000	3.000	7.000
max	60.000	1499.000	29.000	5.000	1.0	2068.000	4.000	100.000	4.000	5.000	4.000	19999.000	26999.000	9.000	25.00	4.000	4.000	80.0	3.000	40.000	6.000	4.000	40.000	18.000	15.000	17.000

# 查看所有数据分布
colnm = df.columns.to_list()
plt.figure(figsize=(35, 25))
for i in range(35):
    plt.subplot(5, 7, i+1)  # 3行4列 位置是i+1的子图
    df[colnm[i]].hist(bins=80, color=colors[1])  # bins 指定显示多少竖条
    plt.xlabel(colnm[i], fontsize=13)
    plt.ylabel('Frequency')
plt.tight_layout()
print('\n figure 01')

 figure 01

得出结论： 该公司员工平均年龄为36岁 平均工作年限为11年，最长工作年限为40年 月平均收入为6502.93等重要信息

# 公司各部门离职率分析
plt.figure(figsize=(15, 9))  # 图片大小
df1 = pd.crosstab(df['Department'], df['Attrition'])
df1.plot(kind='bar')
plt.legend()
plt.xlabel('部门')
plt.ylabel('人数')
plt.xticks(rotation=0)
plt.title('公司各部门离职率分析')
print('\n figure 02')

 figure 02

得出结论：公司主要由三个部门组成（人力资源，科技部门，销售部门），其中科技部门的总人数最多，相对应的离职人数也是最多的，人力资源部门总人数和离职人数都最少

# 公司离职人数占比分析
labels = ['离职', '在职']
sizes = [sum(df['Attrition'] == 'Yes'), sum(df['Attrition'] == 'No')]
explode = (0, 0.001)
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=False, startangle=150)
plt.title("公司离职人数占比分析")
print('\n figure 03')

 figure 03

得出结论：公司离职率是16%

# 加班与离职率的关系
plt.figure(figsize=(6, 4))
sns.countplot(x='OverTime', hue='Attrition', data=df, color=colors[4])
plt.legend()
plt.xlabel('加班时长')
plt.title('加班与离职率的关系')
print('\n figure 04')

 figure 04

得出结论：加班时间越长，员工的离职率越高，加班是导致离职的重要原因

# 商务出差与离职率的关系
plt.figure(figsize=(6, 4))
sns.countplot(x='BusinessTravel', hue='Attrition', data=df)
plt.legend()
plt.xlabel('商务出差频次')
plt.title('商务出差与离职率的关系')
print('\n figure 05')

 figure 05

得出结论：如果频繁的商务出差，员工的离职率会更高

# 教育程度与离职率的关系
plt.figure(figsize=(6, 4))
sns.countplot(x='Education', hue='Attrition', data=df, color=colors[6])
plt.legend()
plt.xlabel('教育程度')
plt.title('教育程度与离职率的关系')
print('\n figure 06')

 figure 06

得出结论：科技公司大部分学历中偏上，教育程度越高，更有竞争力，离职率也越低

# 性别与离职率的关系
plt.figure(figsize=(6, 4))
sns.countplot(x='Gender', hue='Attrition', data=df, color=colors[8])
plt.legend()
plt.xlabel('性别')
plt.title('性别与离职率的关系')
print('\n figure 07')

 figure 07

得出结论：科技公司男性人数比较多，通过公司人口基数来对比，女性的离职率是要高于男性的

# 婚姻状况与离职率的关系
labels = ['单身', '已婚', '离婚']
sizes = [sum(df['MaritalStatus'] == 'Married'), sum(df['MaritalStatus'] == 'Single'), sum(df['MaritalStatus'] == 'Divorced')]
explode = (0.04, 0, 0.001)
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=False, startangle=150)
plt.title("婚姻状况与离职率的关系")
print('\n figure 08')

 figure 08

得出结论：公司单身离职率最高，离婚后的离职率最低

# 收入与离职率的关系
df_income1 = df[(df['MonthlyIncome'] > 1000) & (df['MonthlyIncome'] < 8000)]
df_income2 = df[(df['MonthlyIncome'] > 8000) & (df['MonthlyIncome'] < 15000)]
df_income3 = df[(df['MonthlyIncome'] > 15000) & (df['MonthlyIncome'] < 20000)]
labels = ['月收入小于8000离职率', '月收入8000-15000离职率', '月收入大于15000离职率']
sizes = [sum(df_income1['Attrition'] == 'Yes'), sum(df['Attrition'] == 'Yes'),
         sum(df['Attrition'] == 'Yes')]
explode = (0.04, 0, 0.001)
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=False, startangle=150)
plt.title("收入与离职率的关系")
print('\n figure 09')

 figure 09

得出结论：公司单身离职率最高，离婚后的离职率最低

# 员工工作过的公司与离职率的关系
df_worked1 = df[(df['NumCompaniesWorked'] > 0) & (df['NumCompaniesWorked'] < 3)]
df_worked2 = df[(df['NumCompaniesWorked'] > 3) & (df['NumCompaniesWorked'] < 6)]
df_worked3 = df[(df['NumCompaniesWorked'] > 6) & (df['NumCompaniesWorked'] < 10)]
x = ['0-3家', '3-6家', '6-10家']
y = [sum(df_worked1['Attrition'] == 'Yes'), sum(df_worked2['Attrition'] == 'Yes'), sum(df_worked3['Attrition'] == 'Yes')]
plt.plot(x, y, color='r')
plt.xlabel('员工工作过公司数量')
plt.ylabel('离职人数')
plt.title("员工工作过的公司与离职率的关系")
print('\n figure 10')

 figure 10

得出结论：员工工作过的公司越少，离职率越低，说明频繁跳槽的员工稳定性较差，更容易离职。

总结：

1.加班是导致离职最重要的原因。
建议：完善加班制度，可以对员工每月加班的时间进行限制。
加强员工培训，合理安排工作时间的工作和会议安排，提高工作时间的工作效率。

2.差旅次数过多也会导致员工离职。因为员工长期出差没办法兼顾家庭并且工作负担也比较大。
建议：合理安排员工的差旅次数。例如实施轮流差旅措施

3.工作年数也和离职率密切相关。工作年数越长，职位水平越高，离职率越低。
建议：公司招聘时考察员工的稳定性，一般情况下，以前待过的公司越少越好。

4.单身的人离职率较高。
建议：公司多关照单身的人，别让加班耽误了单身青年谈恋爱，相亲的时间。