【数据分析实战经验】职工离职情况分析①（python+powerbi）

置顶

Mr_charm

于 2020-04-27 22:33:26 发布

阅读量5.1k

点赞数 5

分类专栏：数据分析实战经验文章标签：数据分析经验分享 python

本文链接：https://blog.youkuaiyun.com/Mr_charm/article/details/105800602

版权

本文分享了一次职工离职情况的数据分析实战经验，使用Python进行数据处理和初步分析，通过PowerBI展示结果。分析了在职和离职人员的特征，包括薪资水平、工作年限、省份和离职原因等。发现离职率与年龄、工作年限、晋升机会等因素密切相关，尤其年轻员工和高学历人才离职率较高，福建等省份离职人数较多。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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
在这里插入图片描述

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