北京哪有建网站公司或个人的,网站html地图怎么做,本地南京网站建设,美妆网站模板#x1f935;♂️ 个人主页#xff1a;艾派森的个人主页 ✍#x1f3fb;作者简介#xff1a;Python学习者 #x1f40b; 希望大家多多支持#xff0c;我们一起进步#xff01;#x1f604; 如果文章对你有帮助的话#xff0c; 欢迎评论 #x1f4ac;点赞#x1f4… ♂️ 个人主页艾派森的个人主页 ✍作者简介Python学习者 希望大家多多支持我们一起进步 如果文章对你有帮助的话 欢迎评论 点赞 收藏 加关注 目录
1.项目背景
2.数据集介绍
3.技术工具
4.导入数据
5.数据可视化
6.总结
文末推荐与福利 1.项目背景 在当今数字化时代企业数据的收集和分析已经成为企业成功的关键因素之一。员工数据作为企业数据的重要组成部分对于企业的人力资源管理、战略决策等方面都具有重要的意义。然而如何有效地整合、分析和利用员工数据一直是企业面临的挑战。 员工数据包含了员工的基本信息、工作表现、职业发展等方面这些数据可以揭示员工的特点、行为和趋势。通过对员工数据的分析和挖掘企业可以更好地了解员工的需求和期望优化招聘和培训计划提高员工的工作满意度和忠诚度。此外员工数据还可以帮助企业识别潜在的劳动力风险和机会为企业的战略发展提供数据支持。 然而目前很多企业对于员工数据的利用还停留在传统的表格和报表形式无法直观地呈现数据的特点和趋势。同时由于数据来源的多样性数据的准确性和完整性也难以保证。因此需要一种更加有效的方法来整合、分析和利用员工数据。 数据可视化是一种将数据以图形、图像等形式呈现出来的方法可以直观地展示数据的特点和趋势。通过数据可视化企业可以更加清晰地了解员工情况为人力资源决策提供有力的支持。同时数据可视化还可以提高数据的透明度和可信度加强管理层与员工之间的沟通和信任。 因此本次实验旨在通过可视化工具和技术分析和呈现公司员工数据信息。这种数据可视化对于公司管理和决策制定非常重要可以帮助领导层更好地了解员工情况优化流程提高效率和制定人力资源策略。
2.数据集介绍 该数据集来源于Kaggle原始数据集中共有4653条9个特征变量各变量解释含义如下
Education: 员工的教育资格包括学位、机构和研究领域。
Joining Year: 每位员工加入公司的年份表明他们的服务年限。
City: 每个员工所在或工作的地点或城市。
Payment Tier: 将员工分为不同的薪资等级。
Age: 每个员工的年龄提供人口统计洞察。
Gender: 员工的性别认同促进多样性分析。
Ever Benched: 表示员工是否曾经暂时没有分配过工作。
Experience in Current Domain: 员工在当前领域的经验年数。
Leave or Not: 目标栏。
3.技术工具
Python版本:3.9
代码编辑器jupyter notebook
4.导入数据
首先导入数据可视化的第三方库并加载数据集
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import warnings
warnings.filterwarnings(ignore)df pd.read_csv(Employee.csv)
df.head() 查看数据大小 查看数据基本信息 查看数据描述性统计 删除缺失值和重复值 5.数据可视化
# 员工教育分析
plt.figure(figsize(10, 6))
sns.countplot(datadf, xEducation, paletteSet2)
plt.title(Education of Employees)
plt.show() 1971名员工拥有学士学位说明大多数员工拥有学士学位。拥有硕士学位的员工637人156名拥有博士学位的员工。
# 入职年限分布
sns.histplot(datadf, xJoiningYear, bins20, kdeTrue, colorskyblue)
plt.title(Distribution of Joining Years)
plt.show() 2017年是加入该公司的员工人数最多的一年有662名新员工。紧随其后的是2015年有464名新员工加入公司。2013年共有396名员工加入公司。新员工人数最少的一年是2018年只有239名员工加入该公司。
# 员工城市分布
city_cnts df[City].value_counts()
px.pie(city_cnts, namescity_cnts.index, valuescity_cnts.values, titleEmployees Distribution by City, color_discrete_sequencepx.colors.sequential.Sunset, hole 0.5) 大多数员工(42.4%)来自班加罗尔其次是29%来自浦那28.7%来自新德里
# 员工年龄分布
plt.figure(figsize(10, 6))
sns.histplot(datadf, xAge, bins20, kdeTrue, colorcoral)
plt.title(Employee Ages Distribution)
plt.show() 数据集中员工的最低年龄为22岁。25%的员工年龄在27岁以下或等于27岁。50%的员工年龄在30岁以下或等于30岁。75%的员工年龄在35岁以下或等于35岁。数据集中记录的员工最大年龄为41岁。
# 性别分布
sns.countplot(datadf, xGender, palettemuted)
plt.title(Gender Distribution)
plt.show() 组织中男性员工比女性员工多。
# 当前领域的经验分布
plt.figure(figsize(10, 6))
sns.histplot(datadf, xExperienceInCurrentDomain, bins20, kdeTrue, colorlimegreen)
plt.title(Distribution of Experience in Current Domain)
plt.show() 大多数员工有2年工作经验(681名员工)其次是5年工作经验(470名员工)。随着工作年限的增加员工人数逐渐减少。只有少数员工在当前领域拥有6年(8名员工)或7年(9名员工)的经验。
# 员工休假或未休假人数
sns.countplot(datadf, xLeaveOrNot, palettedark)
plt.title(Count of Employees Leave or Not)
plt.show() 大多数员工都没有休假。
# 支付等级分布
paymentTier_cnts df[PaymentTier].value_counts()
px.pie(city_cnts, namespaymentTier_cnts.index, valuespaymentTier_cnts.values,titlePayment Tier Distribution, color_discrete_sequencepx.colors.sequential.Jet, hole 0.5) 大多数员工(71.5%)处于第三支付层。20.6%的员工处于第二支付层只有7.89%的员工处于第一支付层。
# 按性别划分的年龄分布
px.box(df, xGender, yAge, colorGender, titleAge Distribution by Gender , color_discrete_sequencepx.colors.sequential.deep_r) 大多数男女员工的年龄在27到35岁之间。
# 按支付级别划分的当前领域经验
px.violin(df, xPaymentTier, yExperienceInCurrentDomain, titleExperience in Current Domain by Payment Tier, color PaymentTier, color_discrete_sequencepx.colors.sequential.RdBu_r ) 第一个支付级别的大多数员工的工作经验在1年到4年之间。第二支付等级的大多数员工的工作经验在2年到4年之间。大多数第三支付等级的员工的工作经验在1年到4年之间。
# 城市性别分布
plt.figure(figsize(12, 6))
sns.countplot(datadf, xCity, hueGender, paletteSet3)
plt.title(Gender Distribution by City)
plt.show() 班加罗尔和浦那的男性雇员更多。新德里有更多的女性雇员。
# 按性别划分的付款等级和年龄
px.box(df, xPaymentTier, yAge, colorGender, titleBox Plot: Payment Tier and Age by Gender , color_discrete_sequencepx.colors.sequential.RdBu) 在第一支付层大多数男性员工的年龄在26 - 35岁之间大多数女性员工的年龄在26 - 32岁之间。在第二支付层大多数男性员工的年龄在26 - 34岁之间大多数女性员工的年龄在27 - 35岁之间。在第三支付层大多数男性员工的年龄在28 - 35岁之间大多数女性员工的年龄在27 - 35岁之间。
6.总结
通过上面的可视化分析我们得出了以下结论
大多数员工拥有学士学位。2017年和2015年是新员工数量最多的一年。班加罗尔的员工集中度最高其次是浦那和新德里。员工的年龄范围相对较窄大多数在27至35岁之间。男性员工比女性员工多。87%的部署率是积极的但应该采取相应的策略来减少不部署。大多数员工都有2年的工作经验。员工的稳定性很明显大多数人都没有休假大多数员工都在第三支付层。班加罗尔和浦那的男性员工更多而新德里的女性员工更多。拥有硕士和博士学位的员工的存在表明了教育的多样性。
通过本次实验公司管理层获得了更清晰的员工数据信息可以更好地制定战略决策提高公司的绩效和竞争力。数据可视化是一个强大的工具可以帮助公司更好地了解自身情况优化资源分配提高效率。
文末推荐与福利 《小团队管理如何轻松带出11大于2的团队》免费包邮送出3本 内容简介 《小团队管理如何轻松带出1 12的团队》从小团队管理的基本特征开始介绍围绕小团队管理者在工作中实际遇到的管理事件针对形形色色的小团队管理问题逐条展开方法论述和实操讲解旨在帮助读者轻松应对管理难题。 本书分为3篇共12章。第1篇为基础篇主要概述小团队管理的基本内容第2篇为新手篇主要讲解小团队管理的基础知识和实操案例内容包括小团队的认知管理、目标管理、分工管理、沟通管理、绩效管理、阶梯管理、新人管理、离职管理、文化管理等第3篇为进阶篇主要针对空降管理者和创业管理者所面临的挑战提出可落地执行的实用建议。 编辑推荐 更懂人、会用人、能管人、高效激励人、擅长培养人实现从自己强到团队强的完美转型 ①全面认知 目标 分工 沟通 绩效 阶梯 新人 离职 文化 ②易懂50 个核心公式用简单的方式解释复杂的管理知识 ③实用50 个实用图表随学随用可直接落地 ④案例50 个场景案例详解大幅提升管理能力 抽奖方式评论区随机抽取3位小伙伴免费送出参与方式关注博主、点赞、收藏、评论区评论“人生苦短拒绝内卷”切记要点赞收藏否则抽奖无效每个人最多评论三次活动截止时间2023-10-29 20:00:00当当网购买链接http://product.dangdang.com/29511382.html 京东购买链接https://item.jd.com/13628437.html 名单公布时间2023-10-29 21:00:00
