数据案例分析
Source
Edit
History

员工离职原因分析

Catalogue
  1. 1. 项目描述
    1. 1.1. 部门离职情况
    2. 1.2. 部门与薪资
    3. 1.3. 薪资分析
    4. 1.4. 升职与否
    5. 1.5. 项目数量分析
    6. 1.6. 服务年限分析
    7. 1.7. 工作时长分析
    8. 1.8. 绩效评估分析
    9. 1.9. 满意度分析
    10. 1.10. 满意度与绩效评估
    11. 1.11. 特征处理
  2. 2. 写在最后

摘要
利用员工离职数据从不同维度分析员工离职的种种原因，Hr的不时之需～

项目描述

项目名称：人力资源分析 - 离职原因

数据来源：数据来源于Kaggle中的人力资源分析项目

字段说明：

left：是否离职

satisfaction_level：满意度

last_evaluation：绩效评估

number_project：完成项目数

average_montly_hours：平均每月工作时间

time_spend_company：为公司服务的年限

work_accident：是否有工作事故

promotion：过去5年是否有升职

department：部门

salary：薪资水平

项目目的：通过已知的员工离职与否情况，探究哪些因素对员工的离职产生了较大的影响

环境解释：基于jupyter notebook，可视化工具包：seaborn、matplotlib

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# 模块导入

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

import warnings
warnings.filterwarnings('ignore')

import os
os.chdir(r'/Users/nanb/Documents/数据存放')

sns.set_style('darkgrid')
sns.set_context('paper')
1
2
3
4
5
6
7
#导入数据
data = pd.read_csv('HR_comma_sep.csv',sep = ',')

# 修改下列名，以便操作

data.rename(columns={'promotion_last_5years':'promotion',
                    'sales':'department'},inplace=True)
1
2
3
4
5
# 查看数据
data.info()

# 检查空值
# data.apply(lambda x:sum(x.isnull()))
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 14999 entries, 0 to 14998
Data columns (total 10 columns):
satisfaction_level      14999 non-null float64
last_evaluation         14999 non-null float64
number_project          14999 non-null int64
average_montly_hours    14999 non-null int64
time_spend_company      14999 non-null int64
Work_accident           14999 non-null int64
left                    14999 non-null int64
promotion               14999 non-null int64
department              14999 non-null object
salary                  14999 non-null object
dtypes: float64(2), int64(6), object(2)
memory usage: 1.1+ MB

部门离职情况

1
2
3
4
5
6
7
8
# 不同部门的离职分析
# pd.crosstab ：一种特殊的pivot_table()，专用于计算分组频率

depart_left_table = pd.crosstab(index = data['department'],columns = data['left'])
depart_left_table.plot(kind = 'bar',figsize = (15,8),
                       stacked = True,
                      fontsize = 15)
plt.xticks(rotation = 30)
(array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), <a list of 10 Text xticklabel objects>)

部门名称：sales（销售）、technical（技术）、support（支持）、IT、product_mng（产品经理）、marketing（市场营销）、RandD（研发）、accounting（会计）、hr、management（管理）

图表解析：除sales、technical、support离职率较高之外，其余部门的离职率大致相似；其中管理岗位离职率较低，可能是管理者处于公司地位较高，这类型不倾向于离开

部门与薪资

1
2
3
4
5
6
# 部门与薪资

depart_salary = pd.crosstab(index = data['department'],columns = data['salary'])
depart_salary.plot(kind = 'bar',figsize = (15,8),
                      fontsize = 15)
plt.xticks(rotation = 30)
(array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), <a list of 10 Text xticklabel objects>)

图表解析：销售sales的工资基本处于低中水平，可能是导致离职率较高的因素；而管理层的薪资基本都在中高水平，离职率也最低

薪资分析

1
2
3
4
5
6
# 薪资与是否离职

salary_left = pd.crosstab(index = data['salary'],columns = data['left'])
salary_left.plot(kind = 'bar',figsize = (15,8),stacked = True,
                      fontsize = 15)
plt.xticks(rotation = 30)
(array([0, 1, 2]), <a list of 3 Text xticklabel objects>)

图表解析：很直观的看出，离职的员工大多数薪资都在低到中等的水平，而很少有高薪资的员工离开公司

升职与否

1
2
3
4
5
6
7
# 过去5年是否有升职与离职率

promotion_left = pd.crosstab(index = data['promotion'],columns = data['left'])
promotion_left.plot(kind = 'bar',figsize = (15,8),
                   fontsize = 15)

plt.xticks(rotation = 360)
(array([0, 1]), <a list of 2 Text xticklabel objects>)

图表解析：明显得知，离职员工中几乎都没有得到过升职，而得到升职的员工基本都没有离开

项目数量分析

1
2
3
4
5
6
7
8
# 项目数量与离职率

number_prj_left = pd.crosstab(index = data['number_project'],
                             columns = data['left'])

number_prj_left.plot(kind = 'bar',figsize = (15,8),stacked = True,
                    fontsize = 15)
plt.xticks(rotation = 360)
(array([0, 1, 2, 3, 4, 5]), <a list of 6 Text xticklabel objects>)

图表解析：超过一半的员工只有2个项目就离开了公司；同样有从4-7个项目统计的员工离职，并且随着项目的增多，员工离职率逐渐增高；3个项目的员工离职率最低

猜测：
可能项目数量在2或者更少的员工工作力度不够，或者没有被高度重视，而离职；
6个及6个以上项目的员工可能因过度劳累，而离职

服务年限分析

1
2
3
4
5
6
# 为公司服务年限与离职率

time_spend_compy_left = pd.crosstab(index = data['time_spend_company'],columns = data['left'])
time_spend_compy_left.plot(kind = 'bar',figsize = (15,8),
                          stacked = True,fontsize = 15)
plt.xticks(rotation = 360)
(array([0, 1, 2, 3, 4, 5, 6, 7]), <a list of 8 Text xticklabel objects>)

图表解析：离职员工在离职前大多数在公司已经工作3-5年；在公司工作7年及以上几乎没有人离职；在公司工作2年的员工基本上也不会选择离职

工作时长分析

1
2
3
4
5
6
7
# 探究平均每个月工作时长与离职率
#hours_left = pd.crosstab(index = data['average_montly_hours'],columns = data['left'])

plt.figure(figsize = (15,8))

sns.kdeplot(data.loc[(data['left'] == 0),'average_montly_hours'],color = 'b',shade = True,label = 'no left')
sns.kdeplot(data.loc[(data['left'] == 1),'average_montly_hours'],color = 'r',shade = True,label = 'left')
<matplotlib.axes._subplots.AxesSubplot at 0x1a23732d68>

图表解析：就离职部分员工来说，很明显的双峰分布，说明员工每月平均工作时长低于150小时和工作时长高与250小时的员工离职率最高。

简言之，一般离开公司的员工要么工作时间少，要么就是过度工作

绩效评估分析

1
2
3
4
5
6
7
# 绩效评估与离职率
# evaluation_left = pd.crosstab(index = data['last_evaluation'],columns = data['left'])

plt.figure(figsize = (15,8))

sns.kdeplot(data.loc[(data['left'] == 0),'last_evaluation'],color = 'b',shade = True,label = 'no left')
sns.kdeplot(data.loc[(data['left'] == 1),'last_evaluation'],color = 'r',shade = True,label = 'left')
<matplotlib.axes._subplots.AxesSubplot at 0x1a2393ecf8>

图表解析 ：也是一个双峰分布：表现糟糕的和表现优秀的员工出现了离职的两个峰值。有可能是绩效评估出色的员工，公司没有相应的转换到升职和加薪上，导致了表现优秀的员工离职率变高；而绩效评估在0.6~0.8之间员工有较高的留存率

满意度分析

1
2
3
4
5
6
# 对公司的满意度与离职率

plt.figure(figsize = (15,8))

sns.kdeplot(data.loc[(data['left'] == 0),'satisfaction_level'],color = 'b',shade = True,label = 'no left')
sns.kdeplot(data.loc[(data['left'] == 1),'satisfaction_level'],color = 'r',shade = True,label = 'left')
<matplotlib.axes._subplots.AxesSubplot at 0x1a2393e0b8>

图表解析：

图中出现了三个峰值：满意度低于0.1的员工基本离职；满意度在0.3-0.5之间离职的员工又达到一个峰值；而在满意度为0.8左右时，离职情况又出现了一个峰值。

猜测：满意度较高的员工出现离职的情况，有可能是有更好的工作机会，而不一定是对公司不满所引发的离开

满意度与绩效评估

1
2
3
4
5
# 对公司的满意度与绩效评估之间的探究

df = data[data['left'] == 1]
pd.plotting.scatter_matrix(df[['satisfaction_level','last_evaluation']],
                 color = 'g',figsize = (12,8))
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x1a23d02b00>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1a21b92cc0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x1a23d6c668>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1a23f25fd0>]],
      dtype=object)

从绩效评估和满意度的散射矩阵中，大致分为三个不同的集群

1、集群1：满意度低于0.2，绩效评估大于0.75，这很直观的表明离开公司的员工在工作上受到高度评价，但是对自己的工作并不满意；所以该集群可能代表着’过度劳累’部分的员工

2、集群2：满意度在0.35~0.45之间，绩效评估在0.58以下；这部分员工在工作上受到不太好的评价，可能代表着员工本身表现不大好，而且员工对公司的满意度也不好

3、集群3：满意度在0.7~1之间，绩效评估大于0.8；这部分员工不仅在工作上受到高度评价，而且对公司的满意度也高；假如这个类别的员工离职，可能是有了更好的工作机会，包括更高的薪资、更好的发展机会或者更大的晋升空间等

特征处理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# MinMaxScaler：归一化；StandardScaler：标准化
from sklearn.preprocessing import MinMaxScaler,StandardScaler

# 编码
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

# 正规化
from sklearn.preprocessing import Normalizer

# LDA降维
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

# PCA降维
from sklearn.decomposition import PCA

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# 函数说明

'''
sl:satisfaction_level --- False:MinMaxScaler;True:StandardScaler

le:last_evaluation  --- False:MinMaxScaler;True:StandardScaler

npr:number_project  --- False:MinMaxScaler;True:StandardScaler

amh:average_montly_hours  --- False:MinMaxScaler;True:StandardScaler

tsc:time_spend_company  --- False:MinMaxScaler;True:StandardScaler

wa:work_accident  --- False:MinMaxScaler;True:StandardScaler

pl5:promotion  --- False:MinMaxScaler;True:StandardScaler

dp:department  --- False:LabelEncoding;True:OneHotEncoding

slr:salary  --- False:LabelEncoding;True:OneHotEncoding
'''
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
def hr_preprocessing(sl=False,le=False,npr=False,amh=False,tsc=False,wa=False,pl5=False,dp=False,slr=False,lower_d=False,ld_n=1):
    #1、得到标注
    global data
    label = df['left']
    data = data.drop('left',axis = 1)

    #2、数据清洗
    #3、特征选择
    #4、特征处理
    
    scaler_lst = [sl,le,npr,amh,tsc,wa,pl5]
    column_lst = ['satisfaction_level','last_evaluation',\
                  'number_project','average_montly_hours',\
                  'time_spend_company','Work_accident','promotion']
    for i in range(len(scaler_lst)):
        if not scaler_lst[i]:
            data[column_lst[i]] = \
            MinMaxScaler().fit_transform(data[column_lst[i]].values.reshape(-1,1)).reshape(1,-1)[0]
        else:
            data[column_lst[i]] = \
            StandardScaler().fit_transform(data[column_lst[i]].values.reshape(-1,1)).reshape(1,-1)[0]   
    scaler_lst = [slr,dp]
    column_lst = ['salary','department']
    for i in range(len(scaler_lst)):
        if not scaler_lst[i]:
            if column_lst[i] == 'salary':
                data[column_lst[i]] = [map_salary(s) for s in data['salary'].values]
            else:
                data[column_lst[i]] = LabelEncoder().fit_transform(data[column_lst[i]])
            data[column_lst[i]] = MinMaxScaler().fit_transform(data[column_lst[i]].values.reshape(-1,1)).reshape(1,-1)[0]   
        else:
            data = pd.get_dummies(data,columns=[column_lst[i]])
    if lower_d:
        return PCA(n_components=ld_n).fit_transform(data.values),label
    return data,labels
d = dict([('low',0),('medium',1),('high',2)])
def map_salary(s):
    return d.get(s,0)

def main():
    print(hr_preprocessing(lower_d=True,ld_n=3))
    
main()
(array([[-0.14989291, -0.4220161 , -0.42173539],
       [-0.14643287,  0.41677176,  0.1984778 ],
       [-0.26709532,  0.68671233,  0.18811401],
       ...,
       [-0.14803561, -0.43441955, -0.503113  ],
       [-0.29885501,  0.76297807, -0.24200472],
       [-0.15087015, -0.41003776, -0.49717793]]), 0        1
1        1
2        1
3        1
        ..
14996    1
14997    1
14998    1
Name: left, Length: 3571, dtype: int64)

未完待续～

写在最后

以上是基于HR数据进行的员工离职原因案例的一部分分析，剩余预测模型的构建，也就是算法部分，目前对算法的了解尚浅，能力不足以处理，待学习后进行补充。对以上分析有疑义，欢迎指正，感谢阅读～