美国劳工部官方统计数据员工离职案例分析_员工离职的统计学分析-CSDN博客

本文链接：https://blog.csdn.net/zhuisaozhang1292/article/details/81541015

该博客通过对美国劳工部的员工离职数据进行深度分析，检查数据质量，纠正列名，研究数值特征分布，探究各因素如薪资、职位、满意度、公司评分、项目数量、工作时间和工作年限等与离职的相关性，并进行特征编码和标准化处理。最终，使用随机森林模型进行预测，发现某些特征如工资、职位和工作年限对离职预测的重要性较高。

摘要由CSDN通过智能技术生成

通过对数据的分析预判员工离职的可能性

首先去分析是否存在不干净数据，

import pandas as pd
import numpy as np

df = pd.read_csv('HR_comma_sep.csv')
# print(df.isnull().any()) #判断是否有null值
# print(np.count_nonzero(df != df)) #判断nan数量
print(df.info()) #数据集很干净 无缺失值

输出：可以发现这份数据还是比较干净的不存在缺失值，只存在两个object类型的特征

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 14999 entries, 0 to 14998
Data columns (total 10 columns):
satisfaction_level       14999 non-null float64
last_evaluation          14999 non-null float64
number_project           14999 non-null int64
average_montly_hours     14999 non-null int64
time_spend_company       14999 non-null int64
Work_accident            14999 non-null int64
left                     14999 non-null int64
promotion_last_5years    14999 non-null int64
sales                    14999 non-null object
salary                   14999 non-null object
dtypes: float64(2), int64(6), object(2)
memory usage: 1.1+ MB
None

更正列名：

df.rename(columns = {'average_montly_hours':'average_monthly_hours',
                     'sales':'department'},inplace = True)

分析数值类型的分布特征

# 自动打印数值类型分布情况
print(df.describe())

输出：计数均值方差最小最大值上下四分位数中间值

       satisfaction_level  last_evaluation  number_project  \
count        14999.000000     14999.000000    14999.000000   
mean             0.612834         0.716102        3.803054   
std              0.248631         0.171169        1.232592   
min              0.090000         0.360000        2.000000   
25%              0.440000         0.560000        3.000000   
50%              0.640000         0.720000        4.000000   
75%              0.820000         0.870000        5.000000   
max              1.000000         1.000000        7.000000   

       average_monthly_hours  time_spend_company  Work_accident          left  \
count           14999.000000        14999.000000   14999.000000  14999.000000   
mean              201.050337            3.498233       0.144610      0.238083   
std                49.943099            1.460136       0.351719      0.425924   
min                96.000000            2.000000       0.000000      0.000000   
25%               156.000000            3.000000       0.000000      0.000000   
50%               200.000000            3.000000       0.000000      0.000000   
75%               245.000000            4.000000       0.000000      0.000000   
max               310.000000           10.000000       1.000000      1.000000   

       promotion_last_5years  
count           14999.000000  
mean                0.021268  
std                 0.144281  
min                 0.000000  
25%                 0.000000  
50%                 0.000000  
75%                 0.000000  
max                 1.000000

查看某一特征离散属性值的分布情况

print('Departments:')
print(df['department'].value_counts())
   
print('\nSalary:')
print(df['salary'].value_counts())

输出：

Departments:
sales          4140
technical      2720
support        2229
IT             1227
product_mng     902
marketing       858
RandD           787
accounting