離職率數據分析

1 人贊了文章

一、數據概覽

一共14999個樣本，每一列都是可以提取的特徵，是比較乾淨的數據。

pandas可以做統計分析。使用pandas的read_csv函數讀取數據，返回dataframe類型數據，df是dataframe縮寫，由行和列組成。這裡的數據很純，不需要清洗。object相當於python中string類型，由於字元值類型不能跑機器學習模型，所以要將字元值轉換數值類型。

前五行信息：

包含員工信息調查，比如員工對企業滿不滿意，企業對於員工有沒有升職機會，每個月工作時間以及一共工作多少年，預測離職

包含員工信息調查，比如員工對企業滿不滿意、企業對於員工有沒有升職機會、每個月工作時間以及員工在該公司一共工作多少年等等，根據這些信息預測離職。

satisfaction_level 員工對當前工作的滿意度，取值範圍是0-1，越接近0說明越不滿意

last_evaluation 公司對員工的評估，取值範圍是0-1， 越接近1說明評價越高

number_project 員工完成的項目數

average_monthly_hours 每個月工作時間

time_spend_company 員工工作年限，時間越長離職可能性越低

Work_accident 是否發生工作事故

left 是否離職 ，相當於機器學習中的label ，1表示離職，0表示沒有離職

promotion_last_5years 是否有升職，1表示有，0表示沒有

sales 職位

salary 工資水平，分為中、低、高

一般我們拿到一批數據之後，要觀察數據的統計指標，這裡使用describe函數。在這之前我們需要修改某些列名。

count 總數

mean 均值

std 方差

其中work_accident、left的均值相當於概率值

二、數據觀察

value_counts()函數是計算某一列不同值的數量

什麼指標會對結果產生最大影響，我們先使用相關係數觀察一下。

線性相關分為正相關和負相關，自己與自己的相關係數是1，對角線都是1，越趨近1說明正相關程度越高，越趨近-1說明負相關程度越高。觀察得到left 和satisfaction_level相關程度比較大，是負相關。

三、數據分析

通過matplotlib進行可視化，分別提取特徵，觀察其與離職的關係。

1、職位和離職關係

縱坐標表示離職可能性概率，hr離職可能性最高，management和RandD比較小。

2、工資與離職關係

很顯然工資越低離職可能性越高。

3、員工對公司滿意度與離職關係

分為離職的和沒有離職的

已經離職的員工普遍對公司滿意度低，有些滿意度比較高但也會離職。

4、公司對員工的評估與離職關係

分為離職和沒有離職的

分數越低離職越高，但是高分的也有很多離職的，可能是能力強的員工期望更好的發展平台。

5、完成項目數與離職關係

項目數為2的時候離職最多，項目數為3、4時候離職率較低

6、工作時間與離職關係

等於200小時時離職最低，工作時間短和工作時間長的都會離職

7、在公司年限與離職關係

年限越長離職可能性越低

8、工作意外與離職關係

這裡沒有意外發生時離職率卻很高，和實際情況不符合，在後面機器學習中刪去

9、工作升職與離職關係

在工作中有升職離職率就會很低

推薦閱讀：