【数据分析实战经验】职工离职情况分析①（python+powerbi）

业务来源：职工离职、用户流失这类问题一直是一个事后现象，如何提前预测出离职员工或流失用户就显得很重要。

脑图

分为两部分：一部分为现状分析，另一部分为算法预测

第一部分：在离职情况分析

1.数据采集
在职人员信息：20000+
选取特征【工号 所在机构 各部门 薪资水平 职级 性别 省份 进公司时间…】
离职人员信息：8000+
选取特征增加离职原因，离职时间两项
2.数据处理
【异常值替换】：
像进公司时间比公司成立还早的，这种根据工号的一个分布情况，统一替换成2016年。
像工作年限超出公司存在的时间，这个也是脏数据，数量不多，用平均工作年限替换。
3.python数据二次处理及简单出图

**常用开头**
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
import seaborn as sns
%matplotlib inline

看看整体情况

df=pd.read_csv('quit1.csv')
df.info()