Python 和Pandas数据可视化分析 HR Data Descriptive & Prediction Analysis

最新推荐文章于 2023-12-27 18:07:19 发布

原创

最新推荐文章于 2023-12-27 18:07:19 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python使用pandas分析

本文利用Python的Pandas库对一万多条人力资源数据进行深入分析，探讨工资、职业、月工时、满意度、离职率、升职等变量之间的关系。通过数据读取、缺失值检查、分组聚合以及可视化方法，揭示了IT和marketing高薪岗位工作时间相对较短、研发部门工资越高满意度越低、月工时与离职率的关联、项目数与升职机会的矛盾以及司龄、月工时与离职率的复杂联系。文章还展示了如何利用value_counts函数统计职业分布，并给出了绘制子图的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

下载数据集：网址

链接：https://pan.baidu.com/s/178jLtzT1vpkHiIO6QBfPwQ
提取码：xjku

本篇文章是利用Python 和Pandas对人力资源数据集进行分析。共一万多条数据

问题：工资，职业，月工时，满意度，是否离职（0-在职 1-离职），升职（0 没有升职，1升职），项目数之间有什么关系？

首先要导入需要的库：

mport numpy as np
import pandas as pd
import matplotlib.pyplot as plt

读入数据：

# 1.读入数据
data = pd.read_csv('./data/HR.csv', sep=',', encoding='gbk')
print(data.head())

结果：

   satisfaction_level  last_evaluation  ...  sales  salary
0                0.38             0.53  ...  sales     low
1                0.80             0.86  ...  sales  medium
2                0.11             0.88  ...  sales  medium
3                0.72             0.87  ...  sales     low
4                0.37             0.52  ...  sales     low

[5 rows x 10 columns]

查看sales的类别,包括哪些工作类型

sales_unique = data.sales.unique()
print(sales_unique)

结果：

['sales' 'accounting' 'hr' 'technical' 'support' 'management' 'IT'
 'product_mng' 'marketing' 'RandD']

查看数据有无缺失值

data.info()

结

最低0.47元/天解锁文章

200万优质内容无限畅学