shenjianZ
e63267cef6
- 新增中国企业员工缺勤模拟数据集生成脚本(generate_dataset.py)，覆盖7个行业、180家企业、2600名员工 - 重构 config.py，更新特征字段为中文名称，调整目标列、员工ID、行业类型等配置 - 重构 clustering.py，简化聚类逻辑，更新聚类特征和群体命名（高压通勤型、健康波动型等） - 重构 feature_mining.py，更新相关性分析和群体比较维度（按行业、班次、婚姻状态等） - 新增 model_features.py 定义模型训练特征 - 更新 preprocessing.py 和 train_model.py 适配新数据结构 - 更新各 API 路由默认参数（model: random_forest, dimension: industry） - 前端更新主题样式和各视图组件适配中文字段 - 更新系统名称为 China Enterprise Absence Analysis System
73 lines
2.5 KiB
Python
73 lines
2.5 KiB
Python
import numpy as np
|
|
|
|
import config
|
|
from core.preprocessing import get_clean_data
|
|
|
|
|
|
def calculate_correlation():
|
|
df = get_clean_data()
|
|
numeric_cols = df.select_dtypes(include=[np.number]).columns.tolist()
|
|
for candidate in [config.EMPLOYEE_ID_COLUMN]:
|
|
if candidate in numeric_cols:
|
|
numeric_cols.remove(candidate)
|
|
return df[numeric_cols].corr()
|
|
|
|
|
|
def get_correlation_for_heatmap():
|
|
corr_matrix = calculate_correlation()
|
|
key_features = [
|
|
'月均加班时长',
|
|
'通勤时长分钟',
|
|
'近90天缺勤次数',
|
|
'BMI',
|
|
'近30天睡眠时长均值',
|
|
'缺勤时长（小时）',
|
|
]
|
|
key_features = [f for f in key_features if f in corr_matrix.columns]
|
|
sub_matrix = corr_matrix.loc[key_features, key_features]
|
|
return {
|
|
'features': [config.FEATURE_NAME_CN.get(f, f) for f in key_features],
|
|
'matrix': sub_matrix.values.round(2).tolist(),
|
|
}
|
|
|
|
|
|
def group_comparison(dimension):
|
|
df = get_clean_data()
|
|
dimension_map = {
|
|
'industry': ('所属行业', None, '所属行业'),
|
|
'shift_type': ('班次类型', None, '班次类型'),
|
|
'job_family': ('岗位序列', None, '岗位序列'),
|
|
'marital_status': ('婚姻状态', None, '婚姻状态'),
|
|
'chronic_disease': ('是否慢性病史', {0: '无慢性病史', 1: '有慢性病史'}, '慢性病史'),
|
|
}
|
|
if dimension not in dimension_map:
|
|
raise ValueError(f"Invalid dimension: {dimension}")
|
|
|
|
column, value_map, dimension_name = dimension_map[dimension]
|
|
groups = []
|
|
for value in sorted(df[column].unique()):
|
|
group_df = df[df[column] == value]
|
|
groups.append({
|
|
'name': value_map.get(value, value) if value_map else str(value),
|
|
'value': int(value) if isinstance(value, (int, np.integer)) else str(value),
|
|
'avg_hours': round(group_df[config.TARGET_COLUMN].mean(), 2),
|
|
'count': int(len(group_df)),
|
|
'percentage': round(len(group_df) / len(df) * 100, 1),
|
|
})
|
|
|
|
groups.sort(key=lambda item: item['avg_hours'], reverse=True)
|
|
top = groups[0]['avg_hours'] if groups else 0
|
|
bottom = groups[-1]['avg_hours'] if len(groups) > 1 else 0
|
|
diff_value = round(top - bottom, 2)
|
|
diff_percentage = round(diff_value / bottom * 100, 1) if bottom else 0
|
|
|
|
return {
|
|
'dimension': dimension,
|
|
'dimension_name': dimension_name,
|
|
'groups': groups,
|
|
'difference': {
|
|
'value': diff_value,
|
|
'percentage': diff_percentage,
|
|
},
|
|
}
|