python数据分析--人员变动情况分析

分析某公司的人员变动情况。
二、数据解读
数字来源于人事系统和手工表
1.数据概述;
员工基本信息表
员工在公司的信息表
员工薪资情况表
员工工时表
2.数据详细概述：
（1）员工基本信息表：姓名、年龄、学历、籍贯、工龄、婚姻情况、有无子女。
（2）员工在公司的信息表：员工号，姓名，司龄，BusinessUnit，Budget Unit，上级，是否离职，离职理由，通勤时间，上次升职时间，对公司的满意度
（3）员工薪资情况表：员工号，姓名，基本薪资，奖金
（4）员工工时表：员工上下班时间，请假、调休、旷工，应工作时间
三、数据预处理
A.缺失值：
对于是否离职字段为空的记录直接删除
其余缺失值用众数填充
B.重复值：
对于员工号相同的记录进行核实，视情况保留。（可能会有再次入职的情况）
C.数据预处理:
将员工基本信息表与员工在公司的信息表进行右联，再将右联后的表与剩下的两张表进行左联
四、特征选择
字段有：员工号、姓名、BusinessUnit、Budget Unit、上级、是否离职、离职理由、通勤时间、上次升职时间、对公司的满意度、学历、籍贯、工龄、婚姻情况、有无子女、基本薪资、奖金、员工上下班时间、请假、调休、旷工。
可以去除上级这个字段、将婚姻情况和有无子女合并为家庭成员。将基本薪资与奖金合并为月总收入，将员工上下班时间、请假、调休、旷工合并为工作时长，工作时长-员工上下班时间为额外工作时间。将BusinessUnit去掉，范围太广,将上级去掉，保留Budget Unit。
剩下的字段有：员工号、姓名、Budget Unit 、是否离职、离职理由、通勤时间、上次升职时间、对公司的满意程度、学历、籍贯、工龄、家庭情况、月总收入、工作时长、额外工作时长。
数据不平衡，评估方法采用roc。
我们采取两种特征选择方法：filter法和Wrapper法，再用交叉验证判断哪种方法好具体描述见此链接
五、数据建模
k折检验。采用决策树里的CART法。
模型评估查看精确率，召回率，f1_score，进行调参。