HOTEL HR PEOPLE ANALYTICS¶

Analizamos tres hoteles desde una perspectiva de People Analytics.¶

Con el siguiente proyecto, intentaré emular un análisis de recursos humanos con el fin de continuar practicando mis habilidades analíticas. Además, con este proyecto, quiero fortalecer mis conocimientos en MySql y SQL. Usaré Python y Power BI para el análisis de datos.

Comenzaré haciendo un poco de ingeniería de datos para diseñar las bases de datos con la que voy a trabajar. Usaré Figma para diseñar la base de datos, las tablas que la van a componer y las relaciones entre ellas. Luego, completaré la base datos aleatorios, y más tarde comenzaré el análisis.

1. Importando las librerías¶

In [1]:
# Libraries to manipulate the data
import pandas as pd
import numpy as np
from datetime import datetime, timedelta
import random
import string
from app_pass import dbpass

# Library to deploy charts with the data
import seaborn as sns
import matplotlib.pyplot as plt

# Statmodels for predictions
import statsmodels.api as sm
import statsmodels.formula.api as smf

# Connect to our MySQL database
import mysql.connector
from sqlalchemy import create_engine


# This is to ignore warnings.
import warnings
warnings.filterwarnings('ignore')

2. Trabajando con nuestras tablas¶

Antes de trabajar con Python, ya antes había creado las tablas con las que iba a trabajar. Algunos datos no son muy fáciles de crear aleatoriamente, primero las realicé con Excel y luego las descargué en un archivo .xlsx para trabajar con ellos.

El archivo con el que vamos a trabajar se llama hotel_hranalytics.xlsx, vayamos a trabajar con él.

2.1 Tabla 'Employees'¶
In [2]:
# Cargamos nuestra tabla de empleados
df_rawemp = pd.read_excel('../hotel_hranalytics/hotel_hranalytics.xlsx', sheet_name='Employees', converters={'emp_id':str})

df_rawemp.head()
Out[2]:
emp_id Name Surname Birthday Age Gender on_license hotel_id
0 3272 James Smith 1957-08-09 67 M 0 FUESSP
1 3074 John Johnson 1981-11-19 42 M 0 FUESSP
2 6627 Robert Williams 1983-10-15 41 M 0 FUESSP
3 420 Michael Brown 1976-04-05 48 M 0 FUESSP
4 4856 William Jones 1968-11-20 55 M 0 FUESSP

2.2 Tabla 'Hotels'¶

In [3]:
df_rawht = pd.read_excel('../hotel_hranalytics/hotel_hranalytics.xlsx', sheet_name='Hotels')

df_rawht.head()
Out[3]:
hotel_id Name Location Opening Stars Budget
0 FUESSP Sandy Shores Park 28 03 18.9N-14 19 21.4W 2001-03-05 4 350000000
1 TFNOBH Ocean Breeze Haven 28 05 56.5N-16 44 54.6W 1998-10-05 5 550000000
2 ACECWR Coral Wave Resort 28 51 25.9N-13 47 48.7 W 2000-05-05 5 480000000

2.3 Tabla 'Hotels_Composition'¶

In [4]:
df_rawhtcomp = pd.read_excel('../hotel_hranalytics/hotel_hranalytics.xlsx', sheet_name='Hotel_Composition')

df_rawhtcomp.head()
Out[4]:
hc_id Department Active_employees Emp_with_license Total_employees hotel_id
0 REFUESSP Reception_Reservations 11 1 12 FUESSP
1 FLFUESSP Floors_Laundry 35 3 38 FUESSP
2 KIFUESSP Kitchen 35 3 38 FUESSP
3 BAFUESSP Bar_Restaurant 31 7 38 FUESSP
4 ANFUESSP Animation 11 1 12 FUESSP

2.4 Tabla 'Employees_Wages'¶

In [5]:
df_rawempwages = pd.read_excel('../hotel_hranalytics/hotel_hranalytics.xlsx', sheet_name='Employees_wages')

df_rawempwages.head()
Out[5]:
emp_wag_id Price_$_Hour Hours_worked Work_overtime Ovh$_75% Gross_pay Deductions_3% Total_Payment emp_id hotel_id hc_id Payment_date
0 3272REFUESSP 14 129 4 10.50 1848.00 55.4400 1792.5600 3272 FUESSP REFUESSP 2024-01-29
1 3074REFUESSP 14 143 3 10.50 2033.50 61.0050 1972.4950 3074 FUESSP REFUESSP 2024-01-29
2 6627REFUESSP 18 135 4 13.50 2484.00 74.5200 2409.4800 6627 FUESSP REFUESSP 2024-01-29
3 420REFUESSP 19 121 11 14.25 2455.75 73.6725 2382.0775 420 FUESSP REFUESSP 2024-01-29
4 4856REFUESSP 14 132 7 10.50 1921.50 57.6450 1863.8550 4856 FUESSP REFUESSP 2024-01-29

2.5 Tabla 'Workforce_Composition'¶

In [6]:
df_rawworkforce = pd.read_excel('../hotel_hranalytics/hotel_hranalytics.xlsx', sheet_name='Workforce_Composition')

df_rawworkforce.head()
Out[6]:
wkc_id Department Position years_at_position Entry_date years_working Staff emp_id hotel_id hc_id
0 3272FUESSP Reception_Reservations Staff 1 2023-09-26 1 0 3272 FUESSP REFUESSP
1 3074FUESSP Reception_Reservations Staff 1 2023-04-29 1 0 3074 FUESSP REFUESSP
2 6627FUESSP Reception_Reservations 3rd_Command 4 2014-01-17 10 7 6627 FUESSP REFUESSP
3 420FUESSP Reception_Reservations 3rd_Command 3 2012-10-25 12 7 420 FUESSP REFUESSP
4 4856FUESSP Reception_Reservations Staff 1 2023-06-18 1 0 4856 FUESSP REFUESSP

2.6 Testeando los 'dtypes'¶

Decidí combinar todas las tablas en una sola con el fin de poder visualizar todos los tipos de datos que tiene cada columna, así evitar utilizar el comando dtypes para cada tabla en forma individual. Este es el único propósito de esta tabla combinada, y no se utilizará en análisis posteriores.

In [7]:
# Combinando todas las tablas
df_combined = pd.concat([df_rawemp, df_rawht, df_rawhtcomp, df_rawworkforce, df_rawempwages])

df_combined.dtypes
Out[7]:
emp_id                       object
Name                         object
Surname                      object
Birthday             datetime64[ns]
Age                         float64
Gender                       object
on_license                  float64
hotel_id                     object
Location                     object
Opening                      object
Stars                       float64
Budget                      float64
hc_id                        object
Department                   object
Active_employees            float64
Emp_with_license            float64
Total_employees             float64
wkc_id                       object
Position                     object
years_at_position           float64
Entry_date           datetime64[ns]
years_working               float64
Staff                       float64
emp_wag_id                   object
Price_$_Hour                float64
Hours_worked                float64
Work_overtime               float64
Ovh$_75%                    float64
Gross_pay                   float64
Deductions_3%               float64
Total_Payment               float64
Payment_date         datetime64[ns]
dtype: object

Luego de verificar los tipos de datos, se pudo comprobar que algunas columnas necesitaban cambiar su tipo de dato. El siguiente paso, enfatizará en corregir esos tipos de datos incorrectos, de acuerdo con los que establecimos en nuestro boceto de Figma.

2.7 Arreglando las 'tipos de datos' de las columnas¶

In [8]:
# Tabla Employees 
df_rawemp[['Age', 'on_license']].apply(pd.to_numeric)
df_rawemp[['hotel_id']].astype('str')

# Tabla Hotels
df_rawht['Stars'].apply(pd.to_numeric)
df_rawht[['hotel_id']].astype('str')
df_rawht.rename(columns={'Stars': 'Stars_type'}, inplace=True)

# Tabla Hotel Composition
df_rawhtcomp[['Active_employees', 'Emp_with_license', 'Total_employees']].apply(pd.to_numeric)
df_rawhtcomp[['hc_id', 'hotel_id']].astype('str')

# Tabla Workforce Composition
df_rawworkforce[['years_at_position', 'years_working', 'Staff']].apply(pd.to_numeric)
df_rawworkforce[['wkc_id', 'emp_id', 'hotel_id', 'hc_id']].astype('str')

# Tabla Employees Wages
df_rawempwages[['emp_wag_id', 'emp_id', 'hotel_id',	'hc_id']].astype('str')
df_rawempwages[['Price_$_Hour']].apply(pd.to_numeric)
df_rawempwages.rename(columns={'Ovh$_75%': 'Ovh$_75', 'Deductions_3%': 'Deductions_3'}, inplace=True)

Fué necesario corregir algunos nombres de algunas columnas para que fueran similares a los creados en la base de datos en MySQL.

Realizamos una última verificación de nuestros datos con el fin de solucionar aquellos problemas menores que así lo requieran.

In [9]:
df_rawemp.dtypes
Out[9]:
emp_id                object
Name                  object
Surname               object
Birthday      datetime64[ns]
Age                    int64
Gender                object
on_license             int64
hotel_id              object
dtype: object
In [10]:
df_rawhtcomp.dtypes
Out[10]:
hc_id               object
Department          object
Active_employees     int64
Emp_with_license     int64
Total_employees      int64
hotel_id            object
dtype: object
In [11]:
df_rawworkforce = df_rawworkforce.rename(columns={'Position': 'Positions'})
df_rawworkforce.dtypes
Out[11]:
wkc_id                       object
Department                   object
Positions                    object
years_at_position             int64
Entry_date           datetime64[ns]
years_working                 int64
Staff                         int64
emp_id                        int64
hotel_id                     object
hc_id                        object
dtype: object
In [12]:
df_rawempwages.dtypes
Out[12]:
emp_wag_id               object
Price_$_Hour              int64
Hours_worked              int64
Work_overtime             int64
Ovh$_75                 float64
Gross_pay               float64
Deductions_3            float64
Total_Payment           float64
emp_id                    int64
hotel_id                 object
hc_id                    object
Payment_date     datetime64[ns]
dtype: object
In [13]:
# Verificando si tenemos valores nulos
missing_values = df_rawemp.isnull().sum()
print('Los valores que faltan son: ', missing_values)

Los valores que faltan son:  emp_id        0
Name          0
Surname       0
Birthday      0
Age           0
Gender        0
on_license    0
hotel_id      0
dtype: int64

3.1 Dejemos que las visualizaciones nos muestren lo que los datos nos quieren contar.

Comencemos con algo simple. ¿Cómo están distribuidos nuestros empleados por género?

Para responder a la pregunta, vamos a utilizar la tabla Employees.

In [14]:
# Trabajamos con la columna de Género, pero antes vamos a crear una variable con el total de filas de la tabla
emp_length = len(df_rawemp)
print('El total de registros que tenemos en la tabla de Empleados es: ', emp_length)

El total de registros que tenemos en la tabla de Empleados es:  505
In [15]:
# Contamos los valores de la columna Gender
emp_gender = df_rawemp['Gender'].value_counts()
print(emp_gender)

Gender
M    267
F    238
Name: count, dtype: int64
3.1.a Es hora de visualizar los datos de género

Para visualizar la distribución del género, vamos a utilizar un gráfico de torta.

In [44]:
# Preparando los datos para el gráfico
colors = plt.get_cmap('Blues')(np.linspace(0.2, 0.7, len(emp_gender)))
labels = 'Hombres', 'Mujeres'

# Creando el gráfico de Torta
fig, ax = plt.subplots(figsize=(6, 8))
ax.pie(emp_gender, colors=['#FDE74C', '#E3655B'], autopct='%1.1f%%', center=(4, 4), wedgeprops={"linewidth": 1, "edgecolor": "white"})
ax.legend(labels, loc='lower right', title='Géneros')
ax.set_title('Distribución del Género', fontsize=16)

plt.show()
No description has been provided for this image

Los datos nos muestran la distribución por género en nuestros tres hoteles. Los empleados están repartidos de la siguiente forma, tenemos un total de 238 mujeres, lo que representa un 47,1% de la plantilla total. Y en cuanto a los hombres, tenemos 267 empleados, representa un 52,9% de la plantilla total.

3.1.b Analicemos la distribución por género por Departamentos y Hoteles

Para calcular la distribución por género separa en los distintos departamentos, será necesario combinar las tablas de "Employees" y "Workforce Composition". Utilizaré la columna 'emp_id' para combinar ambas tablas.

In [17]:
# Preparando los datos para el gráfico
df_rawworkforce['emp_id'] = df_rawworkforce['emp_id'].astype('str')
emp_gender_by_dep = pd.merge(df_rawemp, df_rawworkforce, on='emp_id', how='inner')
emp_gender_by_dep.head()
Out[17]:
emp_id Name Surname Birthday Age Gender on_license hotel_id_x wkc_id Department Positions years_at_position Entry_date years_working Staff hotel_id_y hc_id
0 3272 James Smith 1957-08-09 67 M 0 FUESSP 3272FUESSP Reception_Reservations Staff 1 2023-09-26 1 0 FUESSP REFUESSP
1 3074 John Johnson 1981-11-19 42 M 0 FUESSP 3074FUESSP Reception_Reservations Staff 1 2023-04-29 1 0 FUESSP REFUESSP
2 6627 Robert Williams 1983-10-15 41 M 0 FUESSP 6627FUESSP Reception_Reservations 3rd_Command 4 2014-01-17 10 7 FUESSP REFUESSP
3 420 Michael Brown 1976-04-05 48 M 0 FUESSP 420FUESSP Reception_Reservations 3rd_Command 3 2012-10-25 12 7 FUESSP REFUESSP
4 4856 William Jones 1968-11-20 55 M 0 FUESSP 4856FUESSP Reception_Reservations Staff 1 2023-06-18 1 0 FUESSP REFUESSP
In [18]:
# Eliminamos las columnas que no vamos a utilizar
emp_gender_by_dep.drop(columns=['Name', 'Surname', 'Birthday', 'wkc_id', 'years_at_position', 'years_working', 'Entry_date', 'hotel_id_y', 'hc_id', 'Staff'], inplace=True)
emp_gender_by_dep.head()
Out[18]:
emp_id Age Gender on_license hotel_id_x Department Positions
0 3272 67 M 0 FUESSP Reception_Reservations Staff
1 3074 42 M 0 FUESSP Reception_Reservations Staff
2 6627 41 M 0 FUESSP Reception_Reservations 3rd_Command
3 420 48 M 0 FUESSP Reception_Reservations 3rd_Command
4 4856 55 M 0 FUESSP Reception_Reservations Staff
In [19]:
# Revisamos si tenemos valores nulos
gender_by_dep_missing_values = emp_gender_by_dep.isnull().sum()
print('Los valores que faltan son: ', gender_by_dep_missing_values)

Los valores que faltan son:  emp_id        0
Age           0
Gender        0
on_license    0
hotel_id_x    0
Department    0
Positions     0
dtype: int64
Es hora de visualizar nuestros datos de distribución de género por Hotel y Departamentos
In [20]:
# Preparando los datos para el gráfico
gender_dist = emp_gender_by_dep.groupby(['hotel_id_x', 'Department', 'Gender']).size().reset_index()
gender_dist.rename(columns={0: 'Count'}, inplace=True)
print(gender_dist)

# Convertimos el tipo de dato a número de la columna Count 
gender_dist['Count'] = gender_dist['Count'].astype('int64')
gender_dist['Count'].dtypes

# Usamos Seaborn para crear un gráfico de barras con FacetGrid
grid = sns.FacetGrid(
    gender_dist,
    col='hotel_id_x',
    height=6,
    aspect=1.5,
    sharey=False
)

# Dibujamos el gráfico de barras
grid.map_dataframe(
    sns.barplot,
    y='Department',
    x='Count',
    hue='Gender',
    palette=['#E3655B','#FDE74C']
)

# Añadimos el conteo a cada barra
for ax in grid.axes.flat:  
    for container in ax.containers:  
        for bar in container:  
            bar_value = bar.get_width()  
            if bar_value > 0:  
                ax.text(
                    bar_value + 0.5,  
                    bar.get_y() + bar.get_height() / 2,  
                    f"{int(bar_value)}",  
                    ha='left',  
                    va='center',  
                    fontsize=9,  
                    color='black'  
                )

# Titulos y leyendas
grid.add_legend(title='Género')
grid.legend.set_loc('upper right')
grid.set_titles('Hotel {col_name}')
grid.set_axis_labels('Nro de Empleados', 'Departamentos')
plt.tight_layout()
plt.title('Distribución de género por departamento y hotel')

plt.show()

   hotel_id_x              Department Gender  Count
0      ACECWR                      3R      F      3
1      ACECWR               Animation      F     12
2      ACECWR          Bar_Restaurant      F     38
3      ACECWR          Floors_Laundry      M     38
4      ACECWR                 Kitchen      F      8
5      ACECWR                 Kitchen      M     30
6      ACECWR                   Other      F      6
7      ACECWR  Reception_Reservations      M     12
8      ACECWR                     SPA      F      6
9      ACECWR      Technical_Services      F     12
10     FUESSP                      3R      F      4
11     FUESSP               Animation      F     12
12     FUESSP          Bar_Restaurant      F     31
13     FUESSP          Bar_Restaurant      M      7
14     FUESSP          Floors_Laundry      M     38
15     FUESSP                 Kitchen      M     38
16     FUESSP                   Other      F      6
17     FUESSP  Reception_Reservations      M     12
18     FUESSP                     SPA      F      6
19     FUESSP      Technical_Services      F     12
20     TFNOBH                      3R      F      4
21     TFNOBH               Animation      F     12
22     TFNOBH          Bar_Restaurant      F     41
23     TFNOBH          Floors_Laundry      M     39
24     TFNOBH                 Kitchen      M     40
25     TFNOBH                   Other      F      6
26     TFNOBH  Reception_Reservations      M     13
27     TFNOBH                     SPA      F      6
28     TFNOBH      Technical_Services      F     13
No description has been provided for this image
Distribución del Género por Departamentos
In [21]:
# Preparamos los datos
gender_by_dep = emp_gender_by_dep.groupby(['Department', 'Gender']).size().reset_index(name='Count')
print(gender_by_dep)

# Creamos el gráfico de barras
plt.figure(figsize=(12, 8))
ax = sns.barplot(
    data=gender_by_dep,
    x='Count',
    y='Department',
    hue='Gender',
    palette=['#E3655B','#FDE74C'],
    ci=None
)

# Añadimos el conteo a cada barra
for container in ax.containers: 
    ax.bar_label(container, fmt='%d', label_type='edge', fontsize=10, color='black')

# Dibujamos el gráfico
plt.title('Distribución del Género por Departamentos', fontsize=16)
plt.xlabel('Número de Empleados', fontsize=12)
plt.ylabel('Departamento', fontsize=12)
plt.legend(title='Género')
plt.tight_layout()


plt.show()

                Department Gender  Count
0                       3R      F     11
1                Animation      F     36
2           Bar_Restaurant      F    110
3           Bar_Restaurant      M      7
4           Floors_Laundry      M    115
5                  Kitchen      F      8
6                  Kitchen      M    108
7                    Other      F     18
8   Reception_Reservations      M     37
9                      SPA      F     18
10      Technical_Services      F     37
No description has been provided for this image
3.2 Analicemos cómo se distribuyen nuestros empleados por edad

Crearé un rango de edad con el fin de facilitar el análisis

In [22]:
# Creamos una función para clasificar la edad en rangos
def age_range(age):
    if age >= 18 and age <= 27:
        return '18 to 27'
    elif age >= 28 and age <= 37:
        return '28 to 37'
    elif age >= 38 and age <= 47:
        return '38 to 47'
    elif age >= 48 and age <= 57:
        return '48 to 57'
    else:
        return 'more than 58'

# Aplicamos la función a la columna Age    
emp_age_range = df_rawemp['Age'].apply(lambda x: pd.Series(age_range(x)))

# Creamos una nueva columna con los rangos de edad
df_rawemp['Age_range'] = emp_age_range

# Chequeamos los valores del rango de edad
age_range_count = df_rawemp['Age_range'].value_counts().sort_index()
total_agerange_count = age_range_count.sum()
percentage = (age_range_count / total_agerange_count) * 100

# Creamos un gráfico de torta
fig, ax = plt.subplots(figsize=(12, 10))
colors = ['#E3655B', '#DB5461', '#FDE74C', '#4C5B5C', '#3891A6']
labels = [f'{age} ({count})' for age, count in zip(age_range_count.index, age_range_count)]
labels_sort = df_rawemp['Age_range'].value_counts().sort_index()
graph_labels = '18 to 27', '28 to 37', '38 to 47', '48 to 57', 'more than 58'

ax.pie(age_range_count, autopct='%1.1f%%', center=(4, 4), wedgeprops={"linewidth": 1, "edgecolor": "white"}, startangle=90, colors=colors)

plt.legend(labels, loc='upper right', title='Rangos de Edad')

ax.set_title('Distribución de Edad por rangos', fontsize=16)
Out[22]:
Text(0.5, 1.0, 'Distribución de Edad por rangos')
No description has been provided for this image

Tras separar a los empleados de los tres hoteles por rangos de edad, se obtuvieron los siguientes resultados:

Rango de edad

  • De 18 a 27 años un total de 67 empleados que representan un 13,3%
  • De 28 a 37 años un total de 106 empleados que representan un 21%
  • De 38 a 47 años un total de 104 empleados que representan un 20,6%
  • De 48 a 57 años un total de 105 empleados que representan un 20,8%
  • Más de 58 años un total de 123 empleados que representan un 24,4%

Al observar la distribución del personal por rango de edad, podemos observar que la mayoría de nuestro personal tiene más de 28 años. El 13,3% de nuestro personal tiene entre 18 y 27 años, lo que indica que necesitamos comenzar a actualizar nuestra plantilla. Se recomienda que las futuras contrataciones de personal se concentren en este grupo de edad.

Determinemos qué hoteles deberían empezar a contratar más empleados jóvenes.

In [23]:
# Distribución de Edad por Hotel
agerange_by_hotel = df_rawemp.groupby(['hotel_id', 'Age_range']).size().unstack()
print(agerange_by_hotel)

# Creando el gráfico de torta
fig, axs = plt.subplots(1, 3, figsize=(18, 6))

colors = ['#E3655B', '#DB5461', '#FDE74C', '#4C5B5C', '#3891A6']

for i, hotel in enumerate(agerange_by_hotel.index):
    ax = axs[i]
    labelsbyhotel = [f'{age} ({count})' for age, count in zip(age_range_count.index, agerange_by_hotel.loc[hotel])]
    ax.pie(agerange_by_hotel.loc[hotel], autopct='%1.1f%%', center=(4, 4), wedgeprops={"linewidth": 1, "edgecolor": "white"}, startangle=90, colors=colors)
    ax.set_title(f'Distribución de Edad en el {hotel}', fontsize=14)
    ax.legend(labelsbyhotel, loc='upper right', title='Rango de Edad')

plt.tight_layout()
plt.show()

Age_range  18 to 27  28 to 37  38 to 47  48 to 57  more than 58
hotel_id                                                       
ACECWR           17        31        43        38            36
FUESSP           24        35        29        32            46
TFNOBH           26        40        32        35            41
No description has been provided for this image

Tras analizar los rangos de edad de los tres hoteles, hemos determinado que el Sandy Shores Park es el que tiene la plantilla más adulta, con 46 empleados mayores de 58 años. Además, este hotel lleva menos tiempo en funcionamiento que los otros dos hoteles. Aunque el personal del Coral Wave Resort está bien, se recomienda vigilar a su grupo de 38 a 47, es el rango que encuentra en la mitad de los rangos de edad y, si se descuidan, podrían terminar con una plantilla de mayor edad en años próximos. El hotel con una plantilla equilibrada es el Ocean Breeze Haven.

Continuamos nuestro análisis conociendo la edad media que tenemos en los hoteles. La antigüedad media del personal. Y por último, ¿cuántos empleados con licencia tiene cada hotel?

In [24]:
df_rawemp['Age'].describe().round()
Out[24]:
count    505.0
mean      45.0
std       14.0
min       21.0
25%       33.0
50%       45.0
75%       57.0
max       69.0
Name: Age, dtype: float64
In [25]:
# Para ver los nombres de los hoteles
hotel_names = df_rawht.set_index('hotel_id')['Name']

# Edad promedio de los empleados por hotel
avg_age_byhotel = df_rawemp.groupby('hotel_id')['Age'].mean().round()

# Años promedio de trabajo de los empleados por hotel
avg_working_years = df_rawworkforce.groupby('hotel_id')['years_working'].mean().round()

# Imprimir los nombres de los hoteles en los resultados
avg_age_byhotel.index = avg_age_byhotel.index.map(lambda x: f"{x} ({hotel_names[x]})")
avg_working_years.index = avg_working_years.index.map(lambda x: f"{x} ({hotel_names[x]})")

# Para eliminar que figure el nombre del índice
avg_age_byhotel.index.name = None
avg_working_years.index.name = None

print('La edad promedio de los empleados es: ','\n', avg_age_byhotel, '\n\n',
    'El promedio de años de trabajo de los empleados es: ','\n', avg_working_years, '\n\n',
)

La edad promedio de los empleados es:  
 ACECWR (Coral Wave Resort)     45.0
FUESSP (Sandy Shores Park)     45.0
TFNOBH (Ocean Breeze Haven)    44.0
Name: Age, dtype: float64 

 El promedio de años de trabajo de los empleados es:  
 ACECWR (Coral Wave Resort)     12.0
FUESSP (Sandy Shores Park)     12.0
TFNOBH (Ocean Breeze Haven)    14.0
Name: years_working, dtype: float64
3.3 Analizamos la cantindad de empleados que están con licencia

Ahora es el momento de visualizar los empleados que están en licencia. Averigüemos si tenemos una cantidad significativa de empleados en licencia.

In [26]:
# Números de empleados con licencia
emp_on_license = df_rawemp[(df_rawemp['on_license'] == True)].count()
emp_on_license_byhotel = df_rawemp.groupby('hotel_id')['on_license'].sum()
per_emp_on_license = (emp_on_license['on_license'] / emp_length) * 100

# Imprimir los nombres de los hoteles en los resultados
emp_on_license_byhotel.index = emp_on_license_byhotel.index.map(lambda x: f"{x} ({hotel_names[x]})")

# Eliminar el nombre del índice
emp_on_license_byhotel.index.name = None

print('El número de empleados con licencia es: ','\n', emp_on_license_byhotel, '\n\n',
    'El total de empleados con licencia es: ', emp_on_license['on_license'], '\n\n',
    'El porcentaje de empleados con licencia es: ', per_emp_on_license.round(2), '%'
)

El número de empleados con licencia es:  
 ACECWR (Coral Wave Resort)     28
FUESSP (Sandy Shores Park)     18
TFNOBH (Ocean Breeze Haven)    27
Name: on_license, dtype: int64 

 El total de empleados con licencia es:  73 

 El porcentaje de empleados con licencia es:  14.46 %
In [27]:
# Preparamos los datos para el gráfico
on_license_count = df_rawemp['on_license'].value_counts()
print(on_license_count)

# Creamos un gráfico de barras
fig, ax = plt.subplots(figsize=(6, 8))

labels = 'No', 'Yes'
colors = '#FDE74C', '#E3655B'

ax.bar(labels, on_license_count, color=colors)
ax.bar_label(ax.containers[0], fontsize=10)

plt.title('Empleados con Licencia', fontsize=16)
plt.ylabel('Número de Empleados')
plt.xlabel('Licencia')
plt.show()

on_license
0    432
1     73
Name: count, dtype: int64
No description has been provided for this image

De un total de 505 empleados, sólo 73 están de baja con licencia, lo que supone un 14,46% del total de la plantilla. La empresa tendrá que determinar ahora qué porcentaje se considerará grave.

Es hora de desglosar las licencias de los tres hoteles para visualizar qué hotel tiene más empleados con licencia.

In [28]:
# Preparando nuestros datos
onlicense_by_hotel = df_rawemp.groupby(['hotel_id', 'on_license']).size().unstack()
print(onlicense_by_hotel)

# Creando los gráficos de torta
fix, axs = plt.subplots(1, 3, figsize=(18, 6))
labels_onlicense = 'No', 'Yes'

for i, hotel in enumerate(onlicense_by_hotel.index):
    ax = axs[i]
    labels2 = [f'{age} ({count})' for age, count in zip(labels_onlicense, onlicense_by_hotel.loc[hotel])]
    ax.pie(onlicense_by_hotel.loc[hotel], autopct='%1.1f%%', center=(4, 4), wedgeprops={"linewidth": 1, "edgecolor": "white"}, startangle=90, colors=['#FDE74C', '#E3655B'])
    ax.set_title(f'Empleados con licencia por hotel {hotel}', fontsize=14)
    ax.legend(labels2, loc='upper right', title='Licencia')

plt.tight_layout()
plt.show()

on_license    0   1
hotel_id           
ACECWR      137  28
FUESSP      148  18
TFNOBH      147  27
No description has been provided for this image

Al desglosar los datos, se observa que el Coral Wave Resort, con 28 empleados, y el Ocean Breeze Haven, con 27 empleados, son ambos los hoteles con más personal en licencia.

4. Analizamos la tabla 'Employees Wages'

Ahora procederemos a examinar los pagos salariales anuales. Comenzaré fusionando la tabla de 'Employees_Wages' con la tabla de 'Workforce_Composition' para comprender mejor nuestros datos. Esto nos permitirá realizar filtros de datos por Puestos y Departamentos.

In [29]:
# Trabajamos con la tabla employees wages
# Para un mejor análisis primero fusionamos las tablas de Employees Wages y Workforce Composition
df_rawempwages['emp_id'] = df_rawempwages['emp_id'].astype('str')
emp_wages_wfc = pd.merge(df_rawempwages, df_rawworkforce, on='emp_id', how='inner')
emp_wages_wfc.head()
Out[29]:
emp_wag_id Price_$_Hour Hours_worked Work_overtime Ovh$_75 Gross_pay Deductions_3 Total_Payment emp_id hotel_id_x ... Payment_date wkc_id Department Positions years_at_position Entry_date years_working Staff hotel_id_y hc_id_y
0 3272REFUESSP 14 129 4 10.50 1848.00 55.4400 1792.5600 3272 FUESSP ... 2024-01-29 3272FUESSP Reception_Reservations Staff 1 2023-09-26 1 0 FUESSP REFUESSP
1 3074REFUESSP 14 143 3 10.50 2033.50 61.0050 1972.4950 3074 FUESSP ... 2024-01-29 3074FUESSP Reception_Reservations Staff 1 2023-04-29 1 0 FUESSP REFUESSP
2 6627REFUESSP 18 135 4 13.50 2484.00 74.5200 2409.4800 6627 FUESSP ... 2024-01-29 6627FUESSP Reception_Reservations 3rd_Command 4 2014-01-17 10 7 FUESSP REFUESSP
3 420REFUESSP 19 121 11 14.25 2455.75 73.6725 2382.0775 420 FUESSP ... 2024-01-29 420FUESSP Reception_Reservations 3rd_Command 3 2012-10-25 12 7 FUESSP REFUESSP
4 4856REFUESSP 14 132 7 10.50 1921.50 57.6450 1863.8550 4856 FUESSP ... 2024-01-29 4856FUESSP Reception_Reservations Staff 1 2023-06-18 1 0 FUESSP REFUESSP

5 rows × 21 columns

Con las tablas combinadas, eliminemos aquellas columnas que no utilizaremos durante nuestro análisis.

In [30]:
# Eliminamos las columnas que no vamos a utilizar
emp_wages_wfc.drop(columns=['hotel_id_y', 'hc_id_y', 'wkc_id', 'years_at_position', 'Entry_date', 'years_working', 'Staff'], inplace=True)
emp_wages_wfc.head()
Out[30]:
emp_wag_id Price_$_Hour Hours_worked Work_overtime Ovh$_75 Gross_pay Deductions_3 Total_Payment emp_id hotel_id_x hc_id_x Payment_date Department Positions
0 3272REFUESSP 14 129 4 10.50 1848.00 55.4400 1792.5600 3272 FUESSP REFUESSP 2024-01-29 Reception_Reservations Staff
1 3074REFUESSP 14 143 3 10.50 2033.50 61.0050 1972.4950 3074 FUESSP REFUESSP 2024-01-29 Reception_Reservations Staff
2 6627REFUESSP 18 135 4 13.50 2484.00 74.5200 2409.4800 6627 FUESSP REFUESSP 2024-01-29 Reception_Reservations 3rd_Command
3 420REFUESSP 19 121 11 14.25 2455.75 73.6725 2382.0775 420 FUESSP REFUESSP 2024-01-29 Reception_Reservations 3rd_Command
4 4856REFUESSP 14 132 7 10.50 1921.50 57.6450 1863.8550 4856 FUESSP REFUESSP 2024-01-29 Reception_Reservations Staff
In [31]:
# Verificamos si tenemos valores nulos
new_missing_values = emp_wages_wfc.isnull().sum()
print('Los valores que faltan son: ', new_missing_values)

Los valores que faltan son:  emp_wag_id       0
Price_$_Hour     0
Hours_worked     0
Work_overtime    0
Ovh$_75          0
Gross_pay        0
Deductions_3     0
Total_Payment    0
emp_id           0
hotel_id_x       0
hc_id_x          0
Payment_date     0
Department       0
Positions        0
dtype: int64

4.1 Para el primer análisis, descubramos el precio promedio por hora que los hoteles pagan a sus empleados. Además, vamos a calcular las horas promedio que trabajan los empleados. ¿Cuánto pagaron los hoteles en salarios durante el año?

Añadiré al análisis el promedio de horas extras trabajadas por los empleados, el total de horas extras trabajadas por el personal durante todo el año y cuánto pagaron los hoteles por todas esas horas.

In [32]:
avg_hour_price = emp_wages_wfc['Price_$_Hour'].mean().round()
avg_hours_worked = emp_wages_wfc['Hours_worked'].mean().round()
emp_wages_wfc['total_paid_NH'] = emp_wages_wfc['Hours_worked'] * emp_wages_wfc['Price_$_Hour']
total_paid_NH = emp_wages_wfc['total_paid_NH'].sum()
avg_OT_hours_worked = emp_wages_wfc['Work_overtime'].mean().round()
total_OT_hours = emp_wages_wfc['Work_overtime'].sum()
emp_wages_wfc['total_paid_OT'] = emp_wages_wfc['Work_overtime'] * emp_wages_wfc['Ovh$_75']
total_paid_OT = emp_wages_wfc['total_paid_OT'].sum()

print('El precio promedio por hora: ','€', avg_hour_price, '\n\n',
    'El promedio de horas trabajadas por nuestros empleados es: ', avg_hours_worked, '\n\n',
    'La SUMA total que pagamos por horas normales es: ', '€', total_paid_NH, '\n\n',
    'El promedio de horas extras trabajadas por nuestros empleados es: ', avg_OT_hours_worked, '\n\n',
    'El total de horas extra trabajadas es: ', total_OT_hours, '\n\n'
    'La SUMA total pagada por horas extras: ', '€', total_paid_OT
)

El precio promedio por hora:  € 15.0 

 El promedio de horas trabajadas por nuestros empleados es:  140.0 

 La SUMA total que pagamos por horas normales es:  € 12950211 

 El promedio de horas extras trabajadas por nuestros empleados es:  6.0 

 El total de horas extra trabajadas es:  33501 

La SUMA total pagada por horas extras:  € 382709.25

Con un gráfico circular visualizaremos cómo se distribuyen las horas de trabajo entre horas normales y horas extras.

In [33]:
# Visualizamos el porcentaje de horas trabajadas por nuestros empleados
# Debemos calcular el total de horas trabajadas
total_hours_worked = emp_wages_wfc['Hours_worked'].sum() + emp_wages_wfc['Work_overtime'].sum()
per_NH = (emp_wages_wfc['Hours_worked'].sum() / total_hours_worked) * 100
per_OTh = (emp_wages_wfc['Work_overtime'].sum() / total_hours_worked) * 100
print('The total hours worked by our employees is: ', total_hours_worked, '\n\n',
      'Percentage Normal Hours: ', per_NH.round(2), '\n\n',
      'Percentage Over Time Hours: ', per_OTh.round(2)
      )

# Con los datos anteriores, creamos un gráfico de torta
hours = [per_NH, per_OTh]
colors = ['#3891A6', '#4C5B5C']
labels = ['Horas Normales', 'Horas Extras']
# Creating the PIE CHART
fig, ax = plt.subplots(figsize=(6, 8))
ax.pie(hours, colors=colors, autopct='%1.1f%%', center=(4, 4), wedgeprops={"linewidth": 1, "edgecolor": "white"})
ax.legend(labels, loc='upper left', title='Hours Worked')
ax.set_title('Distribución de las horas', fontsize=16)

plt.show()

The total hours worked by our employees is:  882410 

 Percentage Normal Hours:  96.2 

 Percentage Over Time Hours:  3.8
No description has been provided for this image

4.2 ¿Cuánto pagó cada hotel en salarios a lo largo del año?

In [34]:
# Preparamos los datos para el gráfico
monthly_payment_by_hotel = emp_wages_wfc.groupby([pd.Grouper(key='Payment_date', freq='M'), 'hotel_id_x']).agg({
    'total_paid_NH': 'sum',
}).reset_index()

# Creamos un gráfico de líneas
plt.figure(figsize=(12, 8))
sns.lineplot(
    data=monthly_payment_by_hotel, 
    x='Payment_date',
    y='total_paid_NH', 
    hue='hotel_id_x', 
    palette=['#DB5461', '#FDE74C', '#3891A6'],
    marker='o',
    )

for hotel in monthly_payment_by_hotel['hotel_id_x'].unique():
    hotel_data = monthly_payment_by_hotel[monthly_payment_by_hotel['hotel_id_x'] == hotel]
    for x, y in zip(hotel_data['Payment_date'], hotel_data['total_paid_NH']):
        plt.text(x, y, f'{y:.0f}', fontsize=9, ha='center', va='bottom')

plt.title('Distribución de Pagos Mensuales por Hotel', fontsize=16)
plt.xlabel('Meses')
plt.ylabel('Total Pagado (€)')
plt.xticks(rotation=45)
plt.legend(title='Hotels ID')
plt.tight_layout()

plt.show()
No description has been provided for this image

Según nuestros datos, Ocean Breeze Haven es el hotel que paga más en salarios. Luego se situa el hotel Sandy Shores Park, que cual es más consistente en sus pagos mensuales. Por último, pero no por ello menos importante, se encuentra Coral Wave Resort, que tiene los salarios más bajos y ha experimentado un descenso desde que comenzó el año.

Para ver el monto total de salarios pagados por los tres hoteles, unifiquemos todos los datos. Sumaremos, el total pagado por horas normales el total pagado por horas extra. Luego los analizaremos los pagos por horas separados.

In [35]:
# Preparamos los datos para el gráfico
monthly_payment = emp_wages_wfc.groupby(pd.Grouper(key='Payment_date', freq='M')).agg({'total_paid_NH': 'sum'}).reset_index()

# Creamos un gráfico de líneas
plt.figure(figsize=(12, 8))
sns.lineplot(
    data=monthly_payment, 
    x='Payment_date',
    y='total_paid_NH',
    palette=['#3891A6'],
    marker='o',
    )

for hotel in monthly_payment:
    hotel_data = monthly_payment
    for x, y in zip(hotel_data['Payment_date'], hotel_data['total_paid_NH']):
        plt.text(x, y, f'{y:.0f}', fontsize=9, ha='center', va='bottom')

plt.title('Distribución Total del Pago Mensual', fontsize=16)
plt.xlabel('Meses')
plt.ylabel('Total Pagado (€)')
plt.xticks(rotation=45)
plt.tight_layout()

plt.show()
No description has been provided for this image

Los datos muestran que el mes de Marzo registra el valor más bajo abonado en salarios con un total de 1.066.190 €, mientras que Mayo es el mes que registra el pago más alto con un total de 1.087.819 €.

Veamos qué nos muestran las horas extras.

In [36]:
# Preparamos los datos para el gráfico de horas extras
monthly_payment_by_hotel_ot = emp_wages_wfc.groupby([pd.Grouper(key='Payment_date', freq='M'), 'hotel_id_x']).agg({
    'total_paid_OT': 'sum',
}).reset_index()

# Creamos un gráfico de líneas
plt.figure(figsize=(12, 8))
sns.lineplot(
    data=monthly_payment_by_hotel_ot, 
    x='Payment_date',
    y='total_paid_OT', 
    hue='hotel_id_x', 
    palette=['#DB5461', '#FDE74C', '#3891A6'],
    marker='o',
    )

for hotel in monthly_payment_by_hotel_ot['hotel_id_x'].unique():
    hotel_data = monthly_payment_by_hotel_ot[monthly_payment_by_hotel_ot['hotel_id_x'] == hotel]
    for x, y in zip(hotel_data['Payment_date'], hotel_data['total_paid_OT']):
        plt.text(x, y, f'{y:.0f}', fontsize=9, ha='center', va='bottom')

plt.title('Distribución de Pago Mensual por Horas Extras por Hotel', fontsize=16)
plt.xlabel('Meses')
plt.ylabel('Total Pagado (€)')
plt.xticks(rotation=45)
plt.legend(title='Hotels ID')
plt.tight_layout()

plt.show()
No description has been provided for this image

Del gráfico de líneas extraemos la siguiente conclusión: Ocean Breeze Haven es el hotel que más paga por horas extras, a diferencia de los otros dos hoteles. En enero, Sandy Shores Park registró su pago más alto, con un total de 11.242 €. Mientras que, Coral Wave Resort registró su pago más alto con un total de 12.218 € en diciembre. Por último, pero no por ello menos importante, Ocean Breeze Haven muestra un incremento en el pago de horas extras en mayo, alcanzando su pico máximo en diciembre, con un total de 12.560,0 €.

Ahora es el momento de visualizar la suma del total pagado por horas extras para los tres hoteles.

In [37]:
# Preparando los datos para el gráfico
monthly_payment_ot = emp_wages_wfc.groupby(pd.Grouper(key='Payment_date', freq='M')).agg({'total_paid_OT': 'sum'}).reset_index()

# Creamos un gráfico de líneas
plt.figure(figsize=(12, 8))
sns.lineplot(
    data=monthly_payment_ot, 
    x='Payment_date',
    y='total_paid_OT',
    palette=['#3891A6'],
    marker='o',
    )

for hotel in monthly_payment_ot:
    hotel_data = monthly_payment_ot
    for x, y in zip(hotel_data['Payment_date'], hotel_data['total_paid_OT']):
        plt.text(x, y, f'{y:.0f}', fontsize=9, ha='center', va='bottom')

plt.title('Distribución Mensual del Pago Total de Horas Extras', fontsize=16)
plt.xlabel('Meses')
plt.ylabel('Total Pagado (€)')
plt.xticks(rotation=45)
plt.tight_layout()

plt.show()
No description has been provided for this image

Los datos indican que el importe total pagado por horas extras disminuyó entre enero y junio, hasta alcanzar el pago mínimo de 30.080 €. A partir de ese punto, el importe total abonado en horas extras comenzó a incrementarse, alcanzando un máximo de 34.475 € en diciembre.

Es importante investigar si el crecimiento es estacional o se produjo por falta de personal para la operación.

Continuemos con nuestro análisis. Ahora es el momento de filtrar nuestros datos por Departamentos.

In [45]:
# Verificamos el pago total por departamento
emp_wages_wfc['Payment_month'] = emp_wages_wfc['Payment_date'].dt.strftime('%B')

month_order = ['January', 'February', 'March', 'April', 'May', 'June', 
               'July', 'August', 'September', 'October', 'November', 'December']


heatmap_pivot = emp_wages_wfc.pivot_table(index='Department', columns='Payment_month', values='Total_Payment', aggfunc='sum')
heatmap_pivot = heatmap_pivot.reindex(columns=month_order)
print(heatmap_pivot)

# Creamos un mapa de calor
plt.figure(figsize=(12, 8))
sns.color_palette("mako", as_cmap=True)
sns.heatmap(heatmap_pivot, annot=True, fmt=".0f", cbar_kws={'label': 'Total Abonado (€)'}, linewidth=.5)

plt.title('Pago Total Mensual por Departamento', fontsize=16)
plt.ylabel('Departamento')
plt.xlabel('Meses')
plt.xticks(rotation=45)
plt.show()

Payment_month               January     February        March        April  \
Department                                                                   
3R                       23788.0375   25218.5450   24951.7950   24210.7150   
Animation                75262.0575   76100.8650   76694.5050   76639.7000   
Bar_Restaurant          243748.3900  242044.1000  242306.9700  240518.0475   
Floors_Laundry          234890.1075  237591.0725  235397.6600  238962.1675   
Kitchen                 239475.5400  241929.8825  235661.5000  238551.6150   
Other                    56590.5275   56225.5650   52591.7025   57435.8825   
Reception_Reservations   82443.4525   81381.3025   82415.5650   85662.1550   
SPA                      39957.4525   39382.4850   39308.5225   40429.6000   
Technical_Services       80320.3650   77896.0925   76148.3950   78421.3475   

Payment_month                   May         June         July       August  \
Department                                                                   
3R                       24819.8750   24660.5525   24729.6650   23719.4100   
Animation                78262.2675   76263.5825   76848.9775   77691.9075   
Bar_Restaurant          244199.9250  239861.8425  240631.7800  239864.0250   
Floors_Laundry          238797.0250  237845.6975  240466.8800  239030.5525   
Kitchen                 240551.9975  241796.5075  240427.8375  241041.1200   
Other                    56404.0450   53803.7175   57132.7575   55454.1725   
Reception_Reservations   82340.1475   83753.6800   82323.1725   82068.7900   
SPA                      41678.9600   40275.8550   38823.7650   40522.9625   
Technical_Services       78530.9575   77630.7975   77634.9200   80792.2700   

Payment_month             September      October     November     December  
Department                                                                  
3R                       25311.1800   23944.4500   25051.4625   24647.7000  
Animation                76688.2000   76275.2225   75959.2450   77702.8200  
Bar_Restaurant          242982.3325  241844.7650  242111.2725  241070.7050  
Floors_Laundry          236468.5400  237566.8225  234701.4425  235476.7150  
Kitchen                 243247.1425  244014.4125  240852.4550  237833.5725  
Other                    55472.8450   56411.8050   52620.3175   56609.6850  
Reception_Reservations   82405.6225   82912.2050   82731.7850   82755.0650  
SPA                      40678.4050   39915.7425   40930.6050   40284.5850  
Technical_Services       78041.1075   79675.5575   79038.0250   77462.7450
No description has been provided for this image

Cuando analizamos los datos filtrados por Departamentos podemos visualizar que "Bar & Restaurante", "Pisos & Lavandería", y "Cocina", son los tres departamentos que demandan la mayor parte del presupuesto. Luego le siguen los departamentos de "Servicios Técnicos", "Recepción & Reservas", y "Animación" con una demanda media-baja del presupuesto. Todos los demás se reparten una pequeña parte del presupuesto.

Por último, veamos el salario medio que pagan los hoteles en general y filtrado por departamentos

In [39]:
# Salario promedio por hotel y departamento
avg_salary = emp_wages_wfc['Total_Payment'].mean().round(2)
avg_salary_by_hotel = emp_wages_wfc.groupby('hotel_id_x')['Total_Payment'].mean().round(2)
avg_salary_by_department = emp_wages_wfc.groupby('Department')['Total_Payment'].mean().round(2)


avg_salary_by_hotel.index = avg_salary_by_hotel.index.map(lambda x: f"{x} ({hotel_names[x]})")
avg_salary_by_hotel.index.name = None
avg_salary_by_department.index.name = None

print('El Salario Promedio Total es: €', avg_salary, '\n\n',
      'El Salario Promedio por Hotel es: ', '\n',avg_salary_by_hotel, '\n\n',
      'El Salario Promedio por Departamento es: ', '\n', avg_salary_by_department)

El Salario Promedio Total es: € 2134.15 

 El Salario Promedio por Hotel es:  
 ACECWR (Coral Wave Resort)     2108.51
FUESSP (Sandy Shores Park)     2162.40
TFNOBH (Ocean Breeze Haven)    2131.51
Name: Total_Payment, dtype: float64 

 El Salario Promedio por Departamento es:  
 3R                        2235.25
Animation                 2130.53
Bar_Restaurant            2066.37
Floors_Laundry            2063.18
Kitchen                   2072.83
Other                     3086.82
Reception_Reservations    2236.92
SPA                       2232.36
Technical_Services        2120.70
Name: Total_Payment, dtype: float64
5. Carga de datos a MySQL

El tipo de datos ya está corregido y transformado. Es momento de cargar los datos en "hrhotelpa" que es como se llama nuestra base de datos en MySQL. Usaré Python para cargar todos los datos a su correspondiente tabla Recuerden que hemos creado las tablas usando PopSQL.

Para comenzar a trabajar con MySQL. Necesitamos crear una conexión a MySQL y luego crear un cursor para trabajar con las consultas.

In [40]:
# Creamos una conexion a MySQL
try:
    
    db = mysql.connector.connect(
        host = "localhost",
        user = "root",
        password = dbpass
    )
    print("Connection established")
    # Creamos un cursor para ejecutar las consultas
    cursor = db.cursor()
    
except mysql.connector.Error as err:
    print("An error occurred: ", err)

Connection established
In [41]:
# Creamos una conexión a la base de datos
hostname = "localhost"
database = "hrhotelpa"
username = "root"
password = dbpass

engine = create_engine("mysql+pymysql://{user}:{pw}@{host}/{db}".format(host=hostname, db=database, user=username, pw=password))
In [42]:
# Añadimos los datos a las tablas
# df_rawht.to_sql('Hotels', engine, if_exists='append', index=False)
# df_rawemp.to_sql('Employees', engine, if_exists='append', index=False)
# df_rawhtcomp.to_sql('Hotel_Composition', engine, if_exists='append', index=False)
# df_rawworkforce.to_sql('Workforce_Composition', engine, if_exists='append', index=False)
# df_rawempwages.to_sql('Employees_Wages', engine, if_exists='append', index=False)

Ahora... todos los datos se han cargado en nuestra base de datos MySQL, es hora de cerrar nuestra conexión.

In [43]:
cursor.close()
db.close()