🧄Python条件概率-贝叶斯定理和柯尔莫哥洛夫-斯米尔诺夫检验分析缺勤数据

关键词

梗概

我们的目标是发现数据中的隐藏模式，这可能有助于区分真正的缺勤和欺诈缺勤。

数据初始分析

根据经验，在开始分析新数据集时，最好检查数据的维度、列的类型、可能的缺失值以及数字列的一些通用统计信息。我们还可以获取前 5 到 10 个条目，以便获得对数据本身的感觉。我们将在以下代码片段中执行这些步骤：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
# import data from the GitHub page of the book
data = pd.read_csv('<https://mycontent.com>'\\
                   'tha'\\
                   'Abs_at_work.csv', sep=";")

寻找原因

缺勤数据初始分析原因

让我们从缺席原因列的简单分析开始。我们将尝试解决诸如缺勤的最常见原因是什么？饮酒或吸烟对病因有影响吗？上班的距离对原因有影响吗？等等。在执行数据分析时，从这些类型的问题开始通常很重要，因为这是获得对数据的信心和理解的好方法。

我们感兴趣的第一件事是数据中缺席原因的总体分布——即，我们在数据集中有多少条目因特定原因缺勤。我们可以使用 seaborn 包中的 countplot() 函数轻松解决这个问题：

# get the number of entries for each reason for absence
plt.figure(figsize=(10, 5))
ax = sns.countplot(data=preprocessed_data, x="Reason for absence")
ax.set_ylabel("Number of entries per reason of absence")
plt.savefig('figs/absence_reasons_distribution.png', \\
            format='png', dpi=300)

社交饮酒和吸烟

社交饮酒者和吸烟者的分析

确定饮酒者/吸烟者导致缺勤的概率

体重指数

年龄和教育程度

调查年龄对缺勤原因的影响

调查教育对缺勤原因的影响

出勤交通成本

时间因素

源代码

🏈page指点迷津 | Brief