Python数据分析-远程办公与心理健康分析

一、研究背景

随着信息技术的飞速发展和全球化的推进，远程工作（Remote Work）成为越来越多企业和员工的选择。尤其是在2020年新冠疫情（COVID-19）爆发后，全球范围内的封锁措施使得远程工作模式迅速普及。根据世界经济论坛（World Economic Forum）的数据，疫情期间有超过60%的劳动者曾在家工作。这一趋势在疫情后继续保持，越来越多的企业选择在疫情缓解后保留远程办公选项，员工也更愿意接受这种新的工作模式。

远程工作的普及带来了工作方式的变革，显著减少了通勤时间，提供了更多灵活性，并提升了工作效率。然而，远程工作也并非没有代价。由于工作与生活的界限变得模糊，许多员工面临心理压力加大的问题，甚至出现了孤立感、工作与生活难以平衡等挑战。社交隔离、长时间的独自工作，以及对职场环境的缺失，常常使员工感受到焦虑、孤立和倦怠。此外，不同性别、年龄段和行业的员工在远程工作中的体验差异显著，这使得分析远程工作对心理健康的多维度影响成为了重要研究议题。

研究远程工作对员工心理健康的影响，不仅能帮助了解远程工作带来的好处和挑战，还能够为制定科学合理的工作制度和员工心理健康支持措施提供基础数据。本研究结合数据分析技术，深入探讨远程工作在不同变量下对员工心理健康的影响，包括工作压力、社会孤立感、工作与生活平衡等，以期为未来的远程工作管理提供理论依据。

二、研究意义

远程工作作为一种新的工作模式，打破了传统的办公室环境，使员工能够在家或其他地点开展工作。尽管远程工作的灵活性和自主性给员工带来了一定的便利，但心理健康问题也逐渐暴露出来。本研究的意义在于，通过量化和分析远程工作对员工心理健康的影响，揭示工作地点、工作时长、压力水平、社交孤立感等因素如何作用于员工的心理状态。

首先，本研究将对远程工作模式下的工作压力进行分析。工作压力是影响员工心理健康的核心因素之一，在远程工作环境中，因缺乏面对面的社交互动、任务过载或沟通不畅导致的压力水平变化需要深入探讨。通过分析不同年龄段、性别及工作角色的压力差异，我们可以识别出在远程工作中压力管理的关键群体。

其次，研究将探讨远程工作对工作与生活平衡（Work-Life Balance）的影响。远程工作的灵活性虽然提高了员工对工作时间的自主控制，但也使得许多员工难以平衡家庭生活与工作任务，工作时间的延长和工作任务的无形扩展成为了许多员工的痛点。本研究将通过数据可视化，揭示不同职业和工作时长对工作与生活平衡的影响，以期为企业制定更具人性化的工作制度提供参考。

最后，社会孤立感也是远程工作中常见的心理健康问题。在传统办公室环境中，员工能够通过面对面的互动获得情感支持，而远程工作则削弱了这种社交机会。本研究将分析不同性别、年龄段以及工作地点对社会孤立感的影响，帮助企业了解远程工作对员工社交需求的满足程度。

三、实证分析

随着远程工作成为新常态，了解其对员工心理健康的影响至关重要。该数据集深入探讨了远程工作如何影响各个行业和地区的压力水平、工作与生活的平衡和心理健康状况。
该数据集收集了来自全球员工的 5,000 条记录，为工作地点（远程、混合、现场）、压力水平、心理健康资源的获取和工作满意度等关键领域提供了有价值的见解。它旨在帮助研究人员、人力资源专业人员和企业评估远程工作对生产力和福祉日益增长的影响。
Employee_ID：每个员工的唯一标识符。
年龄：员工的年龄。
性别：员工的性别。
Job_Role：员工的当前角色。
行业：他们工作的行业。
Work_Location：他们是远程工作、混合工作还是现场工作。
Stress_Level：他们自我报告的压力水平。
Mental_Health_Condition：报告的任何心理健康状况（焦虑、抑郁等）。
Social_Isolation_Rating：自我报告的关于他们感到孤立的程度的评分（1-5）。
Satisfaction_with_Remote_Work：他们对远程工作安排的满意度（满意、中立、不满意）。

代码和数据集

导入代码

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd 
import warnings 
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['KaiTi']  #中文
plt.rcParams['axes.unicode_minus'] = False   #负号
warnings.filterwarnings("ignore")
df=pd.read_csv("Impact_of_Remote_Work_on_Mental_Health.csv")
print(df.info())
print(df.isnull().sum())
print(df.head())

接下来查看缺失值情况

发现该数据无缺失值，情况较好。

接下来可视化对比分析

plt.figure(figsize=(10, 6))
plt.figure(figsize=(10, 6))
sns.scatterplot(data=df, x='Age', y='Years_of_Experience', hue='Gender', palette='coolwarm')
plt.title('年龄 vs. 经验年限')
plt.show()

plt.figure(figsize=(10, 6))
sns.scatterplot(data=df, x='Age', y='Stress_Level', hue='Gender', palette='viridis')
plt.title('年龄与压力水平')
plt.show()

plt.figure(figsize=(10, 6))
sns.scatterplot(data=df, x='Hours_Worked_Per_Week', y='Stress_Level', hue='Gender', palette='magma')
plt.title('每周工作时间与压力水平')
plt.show()

plt.figure(figsize=(12, 8))
sns.boxplot(data=df, x='Work_Life_Balance_Rating', y='Job_Role', palette='plasma')
plt.title('工作角色与工作与生活平衡评级')
plt.show()

plt.figure(figsize=(12, 8))
sns.boxplot(data=df, x='Stress_Level', y='Industry', palette='cool')
plt.title('行业与压力水平')
plt.show()

plt.figure(figsize=(10, 6))
sns.violinplot(data=df, x='Gender', y='Work_Life_Balance_Rating', palette='Set2')
plt.title('性别与工作生活平衡评级')
plt.show()

plt.figure(figsize=(10, 6))
sns.boxplot(data=df, x='Work_Location', y='Stress_Level', palette='Set3')
plt.title('工作地点与压力水平')
plt.show()

plt.figure(figsize=(10, 6))
sns.boxplot(data=df, x='Work_Location', y='Social_Isolation_Rating', palette='Set2')
plt.title('工作地点与社会孤立评级')
plt.show()

plt.figure(figsize=(10, 6))
sns.countplot(data=df, x='Work_Location', hue='Satisfaction_with_Remote_Work', palette='Set1')
plt.title('按工作地点划分的对远程工作的满意度')
plt.show()

plt.figure(figsize=(10, 6))
sns.boxplot(data=df, x='Access_to_Mental_Health_Resources', y='Stress_Level', palette='coolwarm')
plt.title('通过获得心理健康资源来衡量压力水平')
plt.show()

if df['Sleep_Quality'].dtype == 'object':
    df['Sleep_Quality'] = df['Sleep_Quality'].astype('category').cat.codes

plt.figure(figsize=(10, 6))
sns.boxplot(data=df, x='Gender', y='Sleep_Quality', palette='autumn')
plt.title('性别与睡眠质量')
plt.show()

pairplot_columns = ['Age', 'Years_of_Experience', 'Hours_Worked_Per_Week', 
                    'Stress_Level', 'Work_Life_Balance_Rating', 'Gender']

plt.figure(figsize=(12, 12))
sns.pairplot(df[pairplot_columns], hue='Gender', palette='coolwarm')
plt.suptitle('主要功能的 Pairplot', y=1.02)
plt.show()

plt.figure(figsize=(10, 6))
sns.lmplot(data=df, x='Hours_Worked_Per_Week', y='Work_Life_Balance_Rating', hue='Gender', palette='viridis', aspect=1.5)
plt.title('按性别划分的每周工作小时数与工作生活平衡评级')
plt.show()

plt.figure(figsize=(14, 14))
sns.violinplot(data=df, x='Work_Life_Balance_Rating', y='Job_Role', hue='Industry', palette='Set2', inner="quartile", dodge=True)
plt.title('按行业划分的工作角色与工作生活平衡评级', fontsize=16)
plt.xlabel('Work Life Balance Rating', fontsize=14)
plt.ylabel('Job Role', fontsize=14)
plt.legend(title='Industry', title_fontsize='13', fontsize='11', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
plt.tight_layout()
plt.show()

四、结论

通过对远程工作对心理健康的多维度分析，本研究得出了一系列有重要意义的结论。

①远程工作确实在提升工作灵活性、减少通勤时间的同时，也带来了较大的心理健康挑战。数据表明，工作压力的加剧和社会孤立感的增加是员工心理健康受损的主要原因之一，尤其是在工时较长、任务复杂的工作环境中，员工往往面临更高的压力水平。

②研究发现，不同的工作岗位和行业对远程工作的适应能力存在显著差异。例如，技术类工作者和自由职业者在远程工作中的压力相对较小，而管理岗位或需要频繁沟通的工作则面临更大的挑战。此外，性别和年龄也是影响心理健康的重要因素，女性员工和年龄较大的员工在远程工作中可能感受到更大的孤立感和压力，这一发现为未来的远程工作政策制定提供了重要参考。

③在工作与生活平衡方面，远程工作虽然使员工可以灵活安排工作时间，但实际情况表明，许多员工难以有效管理工作与生活的界限，导致工作时间的无形延长和生活质量的下降。为此，企业需要在制定远程工作政策时，加入关于工时管理、压力缓解和社交互动的支持措施，以确保员工能够在高效工作的同时，保持身心健康。

总体而言，本研究强调了远程工作对心理健康的双重影响，既有利也有弊。为最大化远程工作的优势，企业和政策制定者需要关注员工的心理需求，制定更具针对性的支持政策，包括提供心理健康支持、加强社交互动渠道、以及灵活管理工作时间。未来的研究可以进一步探讨长期远程工作对心理健康的深远影响，并在此基础上提出更为完善的应对策略。