[DACON] 구내식당 식수 인원 예측 AI 경진대회

* 대회 : https://dacon.io/competitions/official/235743/overview/description

* 코드 : https://dacon.io/competitions/official/235743/codeshare/2846?page=1&dtype=vote 

---

* 데이터 

train.csv

• 일자
• 요일
• 본사정원수
• 본사휴가자수
• 본사출장자수
• 시간외근무명령서승인건수
• 현본사소속재택근무자수
• 조식메뉴
• 중식메뉴
• 석식메뉴
• 중식계
• 석식계

test.csv

• 일자
• 요일
• 본사정원수
• 본사휴가자수
• 본사출장자수
• 시간외근무명령서승인건수
• 현본사소속재택근무자수
• 조식메뉴
• 중식메뉴
• 석식메뉴

sample_submission.csv

• 일자
• 중식계
• 석식계

---

1. 라이브러리 불러오기

import pandas as pd
import numpy as np 
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams['font.size'] = 15

import warnings 
warnings.filterwarnings(action='ignore')

 

2. 데이터 불러오기

path = '/content/drive/MyDrive/dacon-food-court/'

train_raw = pd.read_csv(path+'train.csv', encoding = 'utf-8')    
test_raw = pd.read_csv(path+'test.csv', encoding = 'utf-8')
submission = pd.read_csv(path+'sample_submission.csv', encoding = 'utf-8')

2.1 train_raw 데이터 확인

train_raw.head(2)

2.2 test_raw 데이터 확인

test_raw.head(2)

2.3 train, test 데이터 갯수 확인

print(' train shape: ', train_raw.shape, '\n', 'test shape: ', test_raw.shape)

train shape:  (1205, 12) 
test shape:  (50, 10)

 

* train : 1205개의 데이터, 12개의 컬럼

* test : 50개의 데이터, 10개의 컬럼

 

3. 데이터 전처리

3.1 컬럼명 수정하기

# 칼럼명 수정하기 
train = train_raw.copy()
train.columns = ['date', 'dow', 'employees', 'dayoff', 'bustrip', 'ovtime', 'remote', 'brk', 'ln', 'dn', 'target_ln', 'target_dn']
train.head(2)

train_raw 파일을 복사한 후 train 파일을 생성하여 데이터 전처리를 한다. 데이터 컬럼명을 한글 → 영어로 변경한다.

test = test_raw.copy()
test.columns = ['date', 'dow', 'employees', 'dayoff', 'bustrip', 'ovtime', 'remote', 'brk', 'ln', 'dn']
test.head(2)

test 데이터셋도 마찬가지로 복사 후, 컬럼명도 한글 → 영어로 변경한다.

 

3.2 날짜와 요일(data, dow)

def to_datetime(df, date):
    df['date'] = pd.to_datetime(df[date])   # 날짜를 datetime 형식으로 변경
    df['dow'] = pd.to_datetime(df[date]).dt.weekday + 1   # 요일은 숫자로 변경
to_datetime(train, 'date'); to_datetime(test, 'date')

datetime 클래스

• weekday: 요일 반환 (0:월, 1:화, 2:수, 3:목, 4:금, 5:토, 6:일)
• strftime: 문자열 반환
• date: 날짜 정보만 가지는 date 클래스 객체 반환
• time: 시간 정보만 가지는 time 클래스 객체 반환

2.15 파이썬에서 날짜와 시간 다루기 — 데이터 사이언스 스쿨

train.head(2)

test.head(2)

train.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1205 entries, 0 to 1204
Data columns (total 12 columns):
 #   Column     Non-Null Count  Dtype         
---  ------     --------------  -----         
 0   date       1205 non-null   datetime64[ns]
 1   dow        1205 non-null   int64         
 2   employees  1205 non-null   int64         
 3   dayoff     1205 non-null   int64         
 4   bustrip    1205 non-null   int64         
 5   ovtime     1205 non-null   int64         
 6   remote     1205 non-null   float64       
 7   brk        1205 non-null   object        
 8   ln         1205 non-null   object        
 9   dn         1205 non-null   object        
 10  target_ln  1205 non-null   float64       
 11  target_dn  1205 non-null   float64       
dtypes: datetime64[ns](1), float64(3), int64(5), object(3)
memory usage: 113.1+ KB

test.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 50 entries, 0 to 49
Data columns (total 10 columns):
 #   Column     Non-Null Count  Dtype         
---  ------     --------------  -----         
 0   date       50 non-null     datetime64[ns]
 1   dow        50 non-null     int64         
 2   employees  50 non-null     int64         
 3   dayoff     50 non-null     int64         
 4   bustrip    50 non-null     int64         
 5   ovtime     50 non-null     int64         
 6   remote     50 non-null     float64       
 7   brk        50 non-null     object        
 8   ln         50 non-null     object        
 9   dn         50 non-null     object        
dtypes: datetime64[ns](1), float64(1), int64(5), object(3)
memory usage: 4.0+ KB

 

3.3 메뉴명

# 일별 점심메뉴를 작은 리스트로 갖고 있는 큰 리스트 (lunch) 만들기 
lunch = []
for day in range(len(train)):
    tmp = train.iloc[day, 8].split(' ') # 공백으로 문자열 구분 
    tmp = ' '.join(tmp).split()    # 빈 원소 삭제

    search = '('   # 원산지 정보는 삭제
    for menu in tmp:
        if search in menu:
            tmp.remove(menu)
    
    lunch.append(tmp)

lunch[0:5]

[['쌀밥/잡곡밥', '오징어찌개', '쇠불고기', '계란찜', '청포묵무침', '요구르트', '포기김치'],
 ['쌀밥/잡곡밥', '김치찌개', '가자미튀김', '모둠소세지구이', '마늘쫑무침', '요구르트', '배추겉절이'],
 ['카레덮밥', '팽이장국', '치킨핑거', '쫄면야채무침', '견과류조림', '요구르트', '포기김치'],
 ['쌀밥/잡곡밥', '쇠고기무국', '주꾸미볶음', '부추전', '시금치나물', '요구르트', '포기김치'],
 ['쌀밥/잡곡밥', '떡국', '돈육씨앗강정', '우엉잡채', '청경채무침', '요구르트', '포기김치']]

 

점심메뉴를 띄어쓰기로 나누었으며, 일별 점심메뉴를 하나의 리스트로 만들었다. 그리고 소괄호로 되어있는 원산지 정보가 삭제되어있는 것을 알 수 있다.

lunch[1065:1070]

[['쌀밥/잡곡밥', '매운소고기국', '굴비구이', '토마토프리타타', '도라지오이무침', '배추겉절이'],
 ['돈육버섯고추장덮밥', '팽이무국', '양파링카레튀김', '모듬어묵볶음', '참나물생채', '요구르트', '포기김치'],
 ['쌀밥/잡곡밥', '냉모밀국수', '매운돈갈비찜', '메밀전병*간장', '고구마순볶음', '포기김치', '양상추샐러드*딸기요거트'],
 ['쌀밥/잡곡밥', '대파육개장', '홍어미나리초무침', '어묵잡채', '콩자반', '배추겉절이', '양상추샐러드*오리엔탈'],
 ['카레라이스', '동태알탕', '부추고추전*간장', '쫄면야채무침', '과일요거트샐러드', '포기김치', '요구르트']]

 

어느날부터 김치와 사이드(샐러드, 요구르트 등)의 순서가 뒤바뀌어 있는 것을 확인할 수 있다. 이것을 참고해서 메뉴명을 추출해야 한다. 지금 보면, 1067번부터 순서가 바뀌어져 있는 것을 확인할 수 있다.

np.array(train[ (train.index > 1064) & (train.index < 1069)][['date', 'ln']])

array([[Timestamp('2020-06-11 00:00:00'),
        '쌀밥/잡곡밥 (쌀,현미,흑미:국내산) 매운소고기국  굴비구이  토마토프리타타  도라지오이무침  배추겉절이 (배추국내,고추가루:중국산) '],
       [Timestamp('2020-06-12 00:00:00'),
        '돈육버섯고추장덮밥 (쌀,돈육:국내산) 팽이무국  양파링카레튀김  모듬어묵볶음  참나물생채 요구르트 포기김치 (김치:국내산) '],
       [Timestamp('2020-07-01 00:00:00'),
        '쌀밥/잡곡밥 냉모밀국수 매운돈갈비찜 메밀전병*간장 고구마순볶음 포기김치 양상추샐러드*딸기요거트 '],
       [Timestamp('2020-07-02 00:00:00'),
        '쌀밥/잡곡밥 대파육개장 홍어미나리초무침 어묵잡채 콩자반 배추겉절이 양상추샐러드*오리엔탈 ']],
      dtype=object)

 

그래서 순서가 변경된 날짜를 확인을 해보았다. (date, ln의 컬럼만을 추출해서 numpy로 출력)

20년 7월 1일부터 변경된 것을 확인할 수 있다.

 

3.3.1 각 메뉴 카테고리 별로 나누기

bob = []; gook = []; banchan1 = []; banchan2 = []; banchan3 = []; kimchi = []; side = []

for i, day_menu in enumerate(lunch):
    bob_tmp = day_menu[0]; bob.append(bob_tmp)
    gook_tmp = day_menu[1]; gook.append(gook_tmp)
    banchan1_tmp = day_menu[2]; banchan1.append(banchan1_tmp)
    banchan2_tmp = day_menu[3]; banchan2.append(banchan2_tmp)
    banchan3_tmp = day_menu[4]; banchan3.append(banchan3_tmp)

# 김치와 사이드의 순서가 변경되면서 아래와 같이 각 인덱스 순서를 달리하여 리스트에 할당함
    if i < 1067:
        kimchi_tmp = day_menu[-1]; kimchi.append(kimchi_tmp)
        side_tmp = day_menu[-2]; side.append(side_tmp)
    else: 
        kimchi_tmp = day_menu[-2]; kimchi.append(kimchi_tmp)
        side_tmp  = day_menu[-1]; side.append(side_tmp)

# 밥, 국, 반찬, 김치, 사이드 컬럼을 추가함
train_ln = train[['date', 'dow', 'employees', 'dayoff', 'bustrip', 'ovtime', 'remote', 'ln', 'target_ln']]
train_ln['bob'] = bob
train_ln['gook'] = gook
train_ln['banchan1'] = banchan1; train_ln['banchan2'] = banchan2; train_ln['banchan3'] = banchan3
train_ln['kimchi'] = kimchi 
train_ln['side'] = side

train_ln.iloc[1066:1070, 7:]

3.3.2 점심 메뉴 둘러보기

# 국 
gook_df = pd.DataFrame(train_ln['gook'].value_counts().reset_index())
gook_df.head(10)

gook_df.tail(5)

gook_df.gook.describe()

count    272.000000
mean       4.430147
std        7.022545
min        1.000000
25%        1.000000
50%        1.000000
75%        5.000000
max       46.000000
Name: gook, dtype: float64

 

국의 종류를 확인할 수 있으며 국의 종류는 272개이다. 가장 많이 나온 국은 '맑은 국'으로 46번 나왔지만, 절반 이상이 단 1번만 나왔다.

# 반찬 1 ~ 3
train_ln[f'banchan1'][0:3]

0     쇠불고기
1    가자미튀김
2     치킨핑거
Name: banchan1, dtype: object

 

반찬 1의 3가지 데이터를 출력하였다.

banchan_list = []
for i in range(3):    # 반찬 1~3을 banchan_list에 추가
    tmp = train_ln[f'banchan{i+1}']
    for j in range(len(train_ln)):
        tmp2 = tmp[j]
        banchan_list.append(tmp2)
        
banchan_df = pd.DataFrame(pd.DataFrame(banchan_list).value_counts())  # 각 반찬 별 갯수
banchan_df.columns = ['banchan']   # banchan_list의 컬럼명
banchan_df.reset_index(inplace = True)  # 인덱스는 초기화
banchan_df.columns = ['index', 'banchan'] 

banchan_df.head(10)

banchan_df.tail(4)

banchan_df.banchan.describe()

count    1174.000000
mean        3.079216
std         4.371070
min         1.000000
25%         1.000000
50%         1.000000
75%         3.000000
max        35.000000
Name: banchan, dtype: float64

 

 

반찬의 종류는 1174개로 국에 비해 다양한 반찬이 제공되는 것을 알 수 있다. 가장 많이 나온 반찬은 35번이 나왔다. (그에 비해 가장 많이 나온 국은 46번이다.) 

 

4. 간단한 시각화

train.head(2)

4.1 점심 및 저녁 이용자 수

fig, ax = plt.subplots(nrows = 1, ncols = 2, figsize = (18, 4))

sns.distplot(train["target_ln"], ax = ax[0], color = 'orange', kde = False, rug = True)  # 점심 이용자 수
sns.distplot(train["target_dn"], ax = ax[1], color = 'green', kde = False, rug = True)   # 저녁 이용자 수

plt.show()

점심 이용자 수는 200명~1600명까지 넓게 펴져 있다. 그에 비해 저녁은 100명 ~ 800명 정도의 범위로 점심보다 저녁 이용자 수가 적은 것을 확인할 수 있다.

그 중 저녁 이용자 수 그래프를 확인해보면, 0명일 때의 날이 존재하는 것을 확인할 수 있다. (오류인지 확인해봐야 할 듯하다)

 

4.2 코로나

시계열 시각화를 통해 코로나 전후 간 차이가 있는지 확인

train.plot(x = 'date', y = ['target_ln', 'target_dn'], figsize = (40, 5))
plt.show()

점심은 큰 특별한 패턴을 찾기는 어렵다.

저녁의 경우, 2016년 말부터 2020년 초반까지 이용자 수가 확 줄어드는 날(0명)이 있다. (위의 그래프에서도 확인이 가능하다) 이것은, 오류인지 확인해볼 필요가 있다. 그런데 2020년 초 이후부터는 0명이 되는 날이 거의 없는 것을 확인할 수 있다.

그리고 예상과는 다르게 코로나19 전후 간의 차이가 거의 없는 것으로 확인되었다.

 

4.2.1 코로나 전의 점심, 저녁 이용자 수

before_covid = train[train['date'].dt.year == 2019][['date', 'target_ln', 'target_dn']]
before_covid.plot(x = 'date', y = ['target_ln', 'target_dn'], figsize = (30, 5), grid = True)
plt.title('Before Covid19', fontsize = 25)
plt.show()

4.2.2 코로나 후의 점심, 저녁 이용자 수

after_covid = train[train['date'].dt.year >= 2020][['date', 'target_ln', 'target_dn']]
after_covid.plot(x = 'date', y = ['target_ln', 'target_dn'], figsize = (30, 5), grid = True)
plt.title('After Covid19', fontsize = 25)
plt.show()

4.2.3 코로나 전후 점심, 저녁 이용자 수 평균

print('점심:', '2019년에는', round(before_covid.target_ln.mean(), 2), ', 2020년에는', round(after_covid.target_ln.mean(), 2))
print('저녁:', '2019년에는', round(before_covid.target_dn.mean(), 2), ', 2020년에는', round(after_covid.target_dn.mean(), 2))

 

점심: 2019년에는 850.51 , 2020년에는 890.97
저녁: 2019년에는 445.39 , 2020년에는 428.34

 

위의 평균을 확인해보았을 때, 코로나19가 큰 영향을 주진 않은 것 같다. 하지만 점심의 경우, 20년에 이용자 수가 증가하였다. 혹시나 20년동안 총 직원 수가 늘어나서 그런 것인지 확인을 해볼 필요가 있다.

 

4.2.4 직원 수 확인

train.plot(x = 'date', y = 'employees', figsize = (40, 8), c = "#e74c3c")
plt.title("Number of Employees", fontsize = 20)
plt.show()

19년과 20년의 직원수를 비교해보아도 20년의 직원수가 확연히 많다고 단정지을 수 없다. 왜냐하면 19년도 하반기에 직원 수가 급증하였기 때문이다.

 

4.3 저녁 이용자 수 0명

히스토그램 그래프에서 저녁 이용자 수가 0명인 날이 있었는데, 오류인지 다른 이유가 있는지 확인해보고자 한다.

# 저녁 이용자 수가 0명인 날의 휴가자수, 출장자수, 시간외근무자 수, 재택근무자수, 요일, 저녁메뉴 확인
train[train.target_dn == 0][['date',  'dayoff', 'bustrip', 'ovtime', 'remote', 'dow', 'dn', 'target_dn']]

* 저녁 이용자 수가 0명이었던 이유

▶ 월 마지막 (또는 그 전 주) 수요일 (dow == 3)은 '자기개발의 날'이라 모두 정시퇴근 해야 하는 날으로 판단한다. 저녁 메뉴가 아예 없기 때문이다.

▶  2017-09-27, 2018-02-14 해당 날짜들은 저녁 메뉴가 제공되지만 0명이다. 해당 날짜 전후로 달력을 확인해 본 결과, 2017-09-27은 추석 황금연휴 전 주이고 2018-02-14는 설날 연휴 전날이었다.

 

4.4 변수 간 상관관계

target_ln(점심 이용자 수), target_dn(저녁 이용자 수), employees(직원 수), dayoff(휴가자 수), bustrip(출장자 수), ovtime(시간 외 근무자 수), remote(재택근무자 수)

 

4.4.1 heatmap

train.head(2)

df = train[['target_ln', 'target_dn', 'employees', 'dayoff', 'bustrip', 'ovtime', 'remote']]
mask = np.triu(np.ones_like(df.corr(), dtype=np.bool))  # 위쪽 삼각형(상삼각행렬)에 마스크를 만든다 
plt.rcParams['font.size'] = 15   # 차트의 기본 설정을 할 수 있음

fig, ax = plt.subplots(figsize=(16, 5))
sns.heatmap(df.corr(), 
            annot=True,    # 실제 값을 표시
            cmap="BrBG",   # 색상
            mask = mask)   # 표시하지 않을 마스크 부분을 지정함
ax.set_title('Correlation Heatmap', pad = 10)
plt.show()

우리가 예측하고 싶은 종속변수는 target_ln(점심 이용자 수), target_dn(저녁 이용자 수)이다. 해당 변수들과의 상관계수가 0.4 이상이면 상관성이 높다고 할 수 있다.

• target_ln(점심 이용자 수)
  • ovtime(0.54) : 양의 상관관계로, 야근을 하는 사람들이 점심 이용과 관련이 있음을 확인할 수 있다.
  • bustrip(-0.51) : 음의 상관관계로, 출장을 간 사람들이 점심을 이용하지 않는 것과 관련이 있음을 확인할 수 있다.
  • dayoff(-0.39) : 음의 상관관계로, 휴가인 사람들이 점심을 이용하지 않는 것과 관련이 있음을 확인할 수 있다.

• target_dn(저녁 이용자 수)
  • ovtime(0.57) : 양의 상관관계로, 야근을 하는 사람들이 저녁 이용과 관련이 있음을 확인할 수 있다. 점심에 비해 저녁의 상관계수가 더 높다.
  • dayoff(-0.32) : 음의 상관관계로, 휴가인 사람들이 저녁을 이용하지 않는 것과 관련이 있음을 확인할 수 있다.
  • bustrip(-0.19) : 음의 상관관계로, 출장을 간 사람들이 저녁을 이용하지 않는 것과 관련이 있음을 확인할 수 있다.
  •  

np.triu

* L(하삼각행렬): 하삼각행렬만 0이 아닌 값이 있고, 대각행렬은 모두 0이어야 한다.

* U(상삼각행렬): 위의 삼각행렬을 제외하고 모두 0이어야 한다.

# 하삼각행렬
L = np.tril([[1,2,3],
            [4,5,6],
            [7,8,9]], k=-1)
I = np.identity(L.shape[0])
L = L + I

print(L)

[[1. 0. 0.]
 [4. 1. 0.]
 [7. 8. 1.]]

# 상삼각행렬
U = np.triu([[1,2,3],
            [4,5,6],
            [7,8,9]], k=0)
print(U)

[[1 2 3]
 [0 5 6]
 [0 0 9]]

* np.triu : 상삼각행렬을 만들어주는 함수

* np.tril : 하삼각행렬을 만들어주는 함수

LU분해 5분컷 이해: python

 

상관관계 분석 시각화 - correlation matrix (df.corr, sns.heatmap)

 

plt.rcParams

rcParams 딕셔너리를 활용하여 그래프의 속성(그래프 선 모양, 색깔 등)을 고정으로 지정할 수 있다. 

matplotlib의 구조와 rcParams에 대해 알면 나도 plot 고수 📈

 

Customizing Matplotlib with style sheets and rcParams — Matplotlib 3.5.1 documentation

 

4.4.2 산점도

결과는 위의 heatmap과 동일하다.

fig, ax = plt.subplots(figsize = (18, 8), ncols = 4, nrows = 2, sharey=True)
plt.rcParams['font.size'] = 12
sns.color_palette("Paired")
train_features = ['employees', 'dayoff', 'bustrip', 'ovtime', 'employees', 'dayoff', 'bustrip', 'ovtime']
for i, feature in enumerate(train_features):
    row = int(i/4)
    col = i%4 
    if i < 4:
        sns.regplot(x=feature, y = 'target_ln', data = train, ax = ax[row][col], color = 'salmon', marker = '+')
    else: 
        sns.regplot(x=feature, y = 'target_dn', data = train, ax = ax[row][col], color = 'skyblue', marker = '+')

 

4.5 월별 & 요일별 패턴

해당 데이터셋에는 날짜 정보가 있으니 이것을 이용해 패턴을 확인해보고자 한다.

 

4.5.1 점심 및 저녁 이용자 수

heatmap을 활용하여 월별 & 요일별 점심과 저녁 이용자 수의 평균을 시각화해보았다.

tmp = train[['date', 'dow', 'employees', 'dayoff', 'bustrip', 'ovtime', 'remote', 'target_ln', 'target_dn']]
tmp['month'] = tmp['date'].dt.strftime("%m")   # 앞의 빈자리를 0으로 채우는 2자리 월 숫자로 변경

tmp_ln = tmp.groupby(['dow', 'month'])['target_ln'].mean().reset_index().pivot('dow', 'month', 'target_ln')
tmp_dn = tmp.groupby(['dow', 'month'])['target_dn'].mean().reset_index().pivot('dow', 'month', 'target_dn')

fig, ax = plt.subplots(nrows = 1, ncols = 2, figsize = (15, 4))

sns.heatmap(tmp_ln, cmap='RdYlGn_r', ax=ax[0])
ax[0].set_title('Lunch', pad = 12)
sns.heatmap(tmp_dn, cmap='RdYlGn_r', ax=ax[1])
ax[1].set_title('Dinner', pad = 12)

plt.show()

• 점심
  • 월요일이 압도적으로 이용자 수가 많고 1년 내내 이러한 패턴을 보인다. 그 중에서도 2월, 3월이 더 많은 것으로 확인된다.
  • 화요일, 수요일도 1000명 이상인 달이 있는데, 2월과 3월이다.
  • 목요일, 금요일은 점심 이용자 수가 적다. 특히 금요일은 더 적은 것으로 확인된다.
• 저녁
  • 점심과 마찬가지로 월요일이 가장 이용자 수가 많다. 그리고 화요일과 목요일이 이용자 수가 많다.
  • 수요일의 저녁 이용자 수가 적은 이유는 '자기 개발의 날' 때문이다. 그렇기에 저녁 메뉴가 없는 데이터를 삭제 한 후, 다시 저녁 이용자 수 히트맵을 시각화해보기로 한다.

strftime() 메소드

* 날짜와 시간 정보를 문자열로 바꿔주는 메서드이다.

* 어떤 형식으로 문자열을 만들지 결정하는 형식 문자열을 인수로 받는다.

https://wikidocs.net/46998

# 자기개발의 날 삭제 
idx = train[train.target_dn == 0].index
tmp = train.drop(idx)
tmp['month'] = tmp['date'].dt.strftime("%m")
tmp_dn2 = tmp.groupby(['dow', 'month'])['target_dn'].mean().reset_index().pivot('dow', 'month', 'target_dn')

fig, ax = plt.subplots(nrows = 1, ncols = 2, figsize = (15, 4))

sns.heatmap(tmp_ln, cmap='RdYlGn_r', ax=ax[0])
ax[0].set_title('Lunch', pad = 12)
sns.heatmap(tmp_dn2, cmap='RdYlGn_r', ax=ax[1])
ax[1].set_title('Dinner - NEW', pad = 12)

plt.show()

'자기개발의 날'을 제외시켰음에도 불구하고 수요일의 저녁 이용자 수가 적은 편이다.

 

▶ 점심과 저녁 이용자 수 모두 요일 별 패턴이 극명하게 보인다. 그렇기에 구내 식당 이용자를 예측할 때 '요일'이 중요한 요인이라고 할 수 있다. 

 

4.5.2 회사에 있는 직원 수

요일 별, 월 별로 회사 내에 있는 직원 수가 얼마나 다른지 확인해보려고 한다. 회사에 있는 직원들이 잠재적으로 점심과 저녁을 먹을 사람들이기 때문이다. 그렇기에 회사 내의 직원수를 구하고자 한다.

이 전에, 휴가자수(dayoff), 출장자수(bustrip), 시간외근무자수(ovtime), 재택근무자수(remote)를 요일별 & 월별로 시각화하였다. (재택 근무자는 코로나 이전인 19년도까지는 0명이므로 20년 데이터만 시각화)

before = train['date'].dt.year < 2020
after = train['date'].dt.year >= 2020

train[before]['remote'].value_counts()  # 코로나19 전 재택근무자수

0.0    956
Name: remote, dtype: int64

before = train['date'].dt.year < 2020
after = train['date'].dt.year >= 2020

def heatmap_viz(df): 
    df['month'] = df['date'].dt.strftime("%m")
    before = df['date'].dt.year < 2020
    after = df['date'].dt.year >= 2020

    tmp_dayoff = df.groupby(['dow', 'month'])['dayoff'].mean().reset_index().pivot('dow', 'month', 'dayoff')
    tmp_bustrip = df.groupby(['dow', 'month'])['bustrip'].mean().reset_index().pivot('dow', 'month', 'bustrip')
    tmp_ovtime = df.groupby(['dow', 'month'])['ovtime'].mean().reset_index().pivot('dow', 'month', 'ovtime')
    tmp_remote_after = df[after].groupby(['dow', 'month'])['remote'].mean().reset_index().pivot('dow', 'month', 'remote')

    fig, ax = plt.subplots(nrows = 1, ncols = 4, figsize = (30, 5), sharey = True)

    sns.heatmap(tmp_dayoff, cmap='Oranges', ax=ax[0])   #1 
    ax[0].set_title('Dayoff', pad = 12)
    sns.heatmap(tmp_bustrip, cmap='Greens', ax=ax[1])   #2 
    ax[1].set_title('Business Trip', pad = 12)
    sns.heatmap(tmp_ovtime, cmap='Blues', ax=ax[2])   #3
    ax[2].set_title('Overtime', pad = 12)
    sns.heatmap(tmp_remote_after, cmap='Purples', ax=ax[3])   # 4
    ax[3].set_title('Remote (2020-21 only)', pad = 12)
   
    plt.show()

df = train[['date', 'dow', 'dayoff', 'bustrip', 'ovtime', 'remote']]
heatmap_viz(df)

휴가자수, 출장자수, 시간외근무자수, 재택근무자수는 다 다른 패턴을 보인다.

• 휴가자수 : 월 & 금, 7, 8, 12월이 가장 많음
• 출장자수 : 금, 5, 6, 9, 10, 11월이 가장 많음 → 점심 이용자가 금요일에 적은 이유를 여기서 확인할 수 있음
• 시간외근무자수 : 월 & 화 & 목, 2, 3월이 가장 많음 → 저녁 이용자 수가 수, 금요일에 적은 이유를 여기서 확인할 수 있음
• 재택근무자수 : 4, 9, 12월이 가장 많음

회사 내에 있는 직원 수 = employees - (dayoff + bustrip + remote)

df = train[['date', 'dow', 'employees', 'dayoff', 'bustrip', 'ovtime', 'remote', 'target_ln', 'target_dn']]
df['in_office'] = df['employees'] - (df['dayoff'] + df['bustrip'] + df['remote'])
df['month'] = df['date'].dt.strftime("%m")
df.head(3)

tmp = df.groupby(['dow', 'month'])['in_office'].mean().reset_index().pivot('dow', 'month', 'in_office')

# Heatmap
fig, ax = plt.subplots(nrows = 1, ncols = 2, figsize = (20, 4))

sns.heatmap(tmp, cmap='YlGnBu', ax = ax[0])    # 1 
ax[0].set_title('No. of Employees in Office', pad = 12)

df_corr = df[['target_ln', 'target_dn', 'employees', 'dayoff', 'bustrip', 'ovtime', 'remote', 'in_office']]   # 2
mask = np.triu(np.ones_like(df_corr.corr(), dtype=np.bool))
sns.heatmap(df_corr.corr(), 
            annot=True, 
            cmap="BrBG", 
            mask = mask, 
            ax =ax[1])
ax[1].set_title('Correlation Heatmap ("in_office" added)', pad = 10)
plt.show()

• 회사 내 직원 수(No. of Employees in Office)
  • 금요일이 상대적으로 회사 내에 있는 직원수가 적다. (휴가자수와 출장자수가 금요일에 많았음)
  • 1~3월, 8~11월에 회사 내에서 일하는 직원 수가 많은 것을 확인할 수 있다.
• 회사 내 직원 수와 종속변수와의 상관관계
  
  • target_ln (0.29), target_dn(0.17)로 회사 내 직원 수와 종속변수(점심 이용자 수, 저녁 이용자 수)와 강한 상관관계는 아니다.