python数据分析与挖掘实战(航空公司客户价值分析)
一、引言
企业在面向客户制定运营策略、营销策略时,希望能够针对不同的客户推行不同的策略,实现精准化运营,以期获取最大的转化率。客户关系管理是精准化运营的基础,而客户关系管理的核心是客户分类。通过客户分类,对客户群体进行细分,区别出低价值客户与高价值客户,对不同的客户群体开展不同的个性化服务,将有限的资源合理地分配给不同价值的客户,从而实现效益最大化。
本章将使用航空公司客户数据,结合 RFM 模型,采用 K - Means 聚类算法,对客户进行分群,比较不同类别客户的价值,从而制定相应的营销策略。
二、数据探索
1、查找每列属性观测值个数、最大值、最小值
#对数据进行基本的探索
#返回缺失值个数以及最大、最小值
import pandas as pd
import matplotlib.pyplot as plt
datafile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\air_data.csv' #航空原始数据,第一行为属性标签
resultfile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\expore.csv' #数据探索结果表#读取原始数据,指定UTF-8编码(需要用文本编辑器将数据转换为UTF-8
data = pd.read_csv(datafile,encoding = 'utf-8')#包括对数据的基本描述,percentiles参数是指定计算多少的分位数表(如1/4分位数、中位数等)
explore = data.describe(percentiles = [],include = 'all').T
#describe()函数自动计算非空值,需要计算空值数
explore['null'] = len(data)-explore['count']explore = explore[['null','max','min']]
explore.columns = [u'空值数',u'最大值',u'最小值'] #表头重命名
'''
这里只选取部分探索结果
describle()函数自动计算的字段有count(非空值数)、unique(唯一值数)、
top(频率最高者)、freq(最高频数)、mean(平均值)、std(方差)、min(最小值)、
50%(中位数)、max(最大值)
'''
explore.to_csv(resultfile) #导出结果
输出explore.csv文件
2、选取客户基本信息中的入会时间、性别、会员卡级别和年龄字段进行探索分析,探索客户的基本信息分布情况
#客户信息类别
#提取会员入会年份
from datetime import datetime
ffp = data['FFP_DATE'].apply(lambda x:datetime.strptime(x,'%Y/%m/%d'))
ffp_year = ffp.map(lambda x : x.year)
#绘制各年份会员入会人数直方图
fig = plt.figure(figsize=(8,5)) #设置画布大小
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
plt.hist(ffp_year,bins = 'auto',color = '#0504aa')
plt.xlabel('年份')
plt.ylabel('入会人数')
plt.title('各年份会员入会人数(3001)')
plt.show()
plt.close#会指挥员不同性别人数
male = pd.value_counts(data['GENDER'])['男']
female = pd.value_counts(data['GENDER'])['女']
#会指挥员性别比例饼图
fig = plt.figure(figsize=(7,4))
plt.pie([male, female],labels=['男','女'],colors=['lightskyblue','lightcoral'],autopct = '%1.1f%%')
plt.title('会员性别比例(3001)')
plt.show()
plt.close#提取不同级别会员人数
lv_four = pd.value_counts(data['FFP_TIER'])[4]
lv_five = pd.value_counts(data['FFP_TIER'])[5]
lv_six = pd.value_counts(data['FFP_TIER'])[6]
#会指挥员各级别人数条形图
fig = plt.figure(figsize=(8,5))
plt.bar(x=range(3),height=[lv_four,lv_five,lv_six],width=0.4,alpha=0.8,color='skyblue')
plt.xticks([index for index in range(3)],['4','5','6'])
plt.xlabel('会员等级')
plt.ylabel('会员人数')
plt.title('会员各级别人数(3001)')
plt.show()
plt.close()#提取会员年龄
age = data['AGE'].dropna()
age = age.astype('int64')
#绘制会员年龄分布箱型图
fig = plt.figure(figsize=(5,10))
plt.boxplot(age,patch_artist=True,labels = ['会员年龄'], #设置x轴光标boxprops = {'facecolor':'lightblue'}) #设置填充颜色
plt.title('会员年龄分布箱型图(3001)')
#设置y坐标轴的底线
plt.grid(axis='y')
plt.show()
plt.close
得到如下的4张图
3、选取最后一次乘坐至结束的时长、客户乘机信息中的飞行次数、总飞行公里数进行探索分析,探索客户的乘机信息分布情况
lte = data['LAST_TO_END']
fc = data['FLIGHT_COUNT']
sks = data['SEG_KM_SUM']
#绘制最后乘机直至结束时长箱型图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure(figsize=(5, 8))plt.boxplot(lte, patch_artist=True, labels=['时长'], #设置x轴光标boxprops={'facecolor' : 'lightblue'}) #设置填充颜色
plt.title('会员最后乘机至结束时长分布箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close()
#绘制客户飞行次数箱型图
fig = plt.figure(figsize=(5, 8))
plt.boxplot(fc, patch_artist=True, labels=['飞行次数'], #设置x轴光标boxprops={'facecolor' : 'lightblue'}) #设置填充颜色
plt.title('会员飞行次数分布箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close()
#绘制客户总飞行公里数箱型图
fig = plt.figure(figsize=(5, 8))
plt.boxplot(sks, patch_artist=True, labels=['总飞行公里数'], #设置x轴光标boxprops={'facecolor' : 'lightblue'}) #设置填充颜色
plt.title('客户总飞行公里数箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close
得到如下3张箱型图
4、选取积分兑换次数、总积累积分进行探索分析,探索客户的基本信息分布情况
#积分信息类别
#提取会员积分兑换次数
ec=data['EXCHANGE_COUNT']
#绘制会员兑换积分次数直方图
fig=plt.figure(figsize=(8,5))
plt.hist(ec,bins=5,color='#0504aa')
plt.xlabel('兑换次数')
plt.ylabel('会员人数')
plt.title('会员兑换积分次数分布直方图(3001)')
plt.show()
plt.close#提取会员总累计积分
ps=data['Points_Sum']
fig=plt.figure(figsize=(5,8))
plt.boxplot(ps,patch_artist=True,labels=['总累计积分'], #设置x轴光标boxprops={'facecolor':'lightblue'}) #设置填充颜色
plt.title('客户总累计积分箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close
得到以下2张图
5、客户信息属性之间存在相关性。通过相关系数矩阵与热力图分析各属性间的相关性
#提取属性并合并为新数据集
data_corr=data[['FFP_TIER','FLIGHT_COUNT','LAST_TO_END','SEG_KM_SUM','EXCHANGE_COUNT','Points_Sum']]
age1=data['AGE'].fillna(0)
data_corr['AGE']=age1.astype('int64')
data_corr['ffp_year']=ffp_year#计算相关矩阵
dt_corr=data_corr.corr(method='pearson')
print('相关性矩阵为:\n',dt_corr)#绘制热力图
import seaborn as sns
plt.subplots(figsize=(10,10))
sns.heatmap(dt_corr,annot=True,vmax=1,square=True)
plt.title('热力图(3001)')
plt.show()
plt.close
得到以下矩阵和热力图
三、数据预处理与K-meas聚类分析绘制雷达图
1、数据清洗,对满足清洗条件的数据进行丢弃
import numpy as np
import pandas as pddatafile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\air_data.csv' #原始数据路径
cleanedfile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\data_cleaned.csv' #数据清洗后保存的文件路径#读取数据
airline_data = pd.read_csv(datafile,encoding = 'utf-8')
print('原始数据的形状为:',airline_data.shape)#去除票价为空的记录
airline_notnull = airline_data.loc[airline_data['SUM_YR_1'].notnull() & airline_data['SUM_YR_2'].notnull(),:]
print('删除缺失记录后数据的形状为:',airline_notnull.shape)#只保留票价非零的,或者平均折扣率不为0且总飞行公里数大于0的记录
index1 = airline_notnull['SUM_YR_1']!= 0
index2 = airline_notnull['SUM_YR_2'] != 0
index3 = (airline_notnull['SEG_KM_SUM']> 0) & (airline_notnull['avg_discount'] != 0)
index4 = airline_notnull['AGE'] > 100 # 去除年龄大于100的记录
airline = airline_notnull[(index1 | index2) & index3 & ~index4]
print('数据清洗后数据的形状为:',airline.shape)airline.to_csv(cleanedfile) # 保存清洗后的数据
得到清洗前后的数据形状
2、属性选择
import pandas as pd
import numpy as np# 读取数据清洗后的数据
cleanedfile = r'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\data_cleaned.csv' # 数据清洗后保存的文件路径
airline = pd.read_csv(cleanedfile, encoding = 'utf-8')
# 选取需求属性
airline_selection = airline[['FFP_DATE','LOAD_TIME','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
print('筛选的属性前5行为:\n',airline_selection.head())
得到选择后的数据集
3、属性构建与数据标准化
# 构造属性L
L = pd.to_datetime(airline_selection['LOAD_TIME']) - \
pd.to_datetime(airline_selection['FFP_DATE'])
L = L.astype('str').str.split().str[0]
L = L.astype('int')/30# 合并属性
airline_features = pd.concat([L,airline_selection.iloc[:,2:]],axis = 1)
airline_features.columns = ['L','R','F','M','C']
print('构建的LRFMC属性前5行为:\n',airline_features.head())# 数据标准化
from sklearn.preprocessing import StandardScaler
data = StandardScaler().fit_transform(airline_features)
np.savez(r'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\airline_scale.npz',data)
print('标准化后LRFMC五个属性为:\n',data[:5,:])
得到标准化处理后的数据集
4、K-Meas聚类标准化
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans # 导入kmeans算法# 读取标准化后的数据
airline_scale = np.load(r'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\airline_scale.npz')['arr_0']
k = 5 # 确定聚类中心数# 构建模型,随机种子设为123
kmeans_model = KMeans(n_clusters = k, random_state = 123)
fit_kmeans = kmeans_model.fit(airline_scale) # 模型训练# 查看聚类结果
kmeans_cc = kmeans_model.cluster_centers_ # 聚类中心
print('各类聚类中心为:\n',kmeans_cc)
kmeans_labels = kmeans_model.labels_ # 样本的类别标签
print('各样本的类别标签为:\n',kmeans_labels)
r1 = pd.Series(kmeans_model.labels_).value_counts() # 统计不同类别样本的数目
print('最终每个类别的数目为:\n',r1)
# 输出聚类分群的结果
cluster_center = pd.DataFrame(kmeans_model.cluster_centers_,\columns = ['ZL','ZR','ZF','ZM','ZC']) # 将聚类中心放在数据框中
cluster_center.index = pd.DataFrame(kmeans_model.labels_ ).\drop_duplicates().iloc[:,0] # 将样本类别作为数据框索引
print(cluster_center)
得到聚类结果
5、绘制客户分群雷达图
%matplotlib inline
import matplotlib.pyplot as plt
# 客户分群雷达图
labels = ['ZL','ZR','ZF','ZM','ZC']
legen = ['客户群' + str(i + 1) for i in cluster_center.index] # 客户群命名
lstype = ['-','--',(0, (3, 5, 1, 5, 1, 5)),':','-.']
kinds = list(cluster_center.iloc[:, 0])
# 由于雷达图要保证数据闭合,因此再添加L列,并转换为 np.ndarray
cluster_center = pd.concat([cluster_center, cluster_center[['ZL']]], axis=1)
centers = np.array(cluster_center.iloc[:, 0:])# 分割圆周长,并让其闭合
n = len(labels)
angle = np.linspace(0, 2 * np.pi, n, endpoint=False)
angle = np.concatenate((angle, [angle[0]]))
# 绘图
fig = plt.figure(figsize = (8,6))
ax = fig.add_subplot(111, polar=True) # 以极坐标的形式绘制图形
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
# 画线
for i in range(len(kinds)):ax.plot(angle, centers[i], linestyle=lstype[i], linewidth=2, label=kinds[i])
# 添加属性标签
angles = angle * 180 /np.pi
ax.set_thetagrids(angles[:-1], labels)
plt.title('客户特征分析雷达图(3001)')
plt.legend(legen)
plt.show()
plt.close
得到客户分群雷达图
四、客户流失分析
在这里,做一个对原始数据判断分类。对老客户(飞行次数大于6)做一个客户类型定义:第二年的飞行次数与第一年的飞行次数比例小于50%为已流失客户、大于等于50%且小于90%的为准流失客户、大于90%的为为流失客户
#判断客户类型
import pandas as pd
data_input = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\air_data.csv' #航空原始数据,第一行为属性标签
data = pd.read_csv(data_input) #读取数据
data_print = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\customer_information.csv' #客户信息数据
#选取特征
data['飞行次数比例'] = data['L1Y_Flight_Count'] / data['P1Y_Flight_Count'] #第二年飞行次数与第一年飞行次数的比例
#筛选出老客户(飞行次数大于6次的为老客户)
data = data[data['FLIGHT_COUNT'] > 6]
data = data[['MEMBER_NO','飞行次数比例']]
data.to_csv(data_print,index = None)
data = pd.read_csv(data_print)
data['客户类型'] = None
for i in range(len(data)):#比例小于50%的客户为已流失客户if data['飞行次数比例'][i]< 0.5:data['客户类型'][i] = 0 #0代表已流失客户#比例大于50%且小于90%的客户为准流失客户if (data['飞行次数比例'][i]>= 0.5) and (data['飞行次数比例'][i]< 0.9):data['客户类型'][i] = 1 #1代表准流失客户#比例大于90%的客户为未流失客户:if data['飞行次数比例'][i]> 0.9:data['客户类型'][i] = 2 #2代表未流失客户#描述
print(data)
得到文件customer_information.csv,输出文件信息
python数据分析与挖掘实战(航空公司客户价值分析)相关推荐
- 数据分析与挖掘实战-航空公司客户价值分析
航空公司客户价值分析 项目背景 信息时代的到来注定营销焦点从产品中心转到了用户中心,客户关系管理成为企业的核心问题. 客户关系管理的关键问题则是客户分类,通过分类区分客户价值的有无和高低,针对不同类别 ...
- 《Python数据分析与挖掘实战》第7章——航空公司客户价值分析(kmeans)
本文是基于<Python数据分析与挖掘实战>的实战部分的第七章的数据--<航空公司客户价值分析>做的分析. 旨在补充原文中的细节代码,并给出文中涉及到的内容的完整代码. 1)在 ...
- (七)Python数据分析与挖掘实战(实战篇)——航空公司客户价值分析
这个专栏用来记录我在学习和实践<Python数据分析与挖掘实战>一书时的一些知识点总结和代码实现. 文章目录 背景和目标 数据 客户基本信息 乘机信息 积分信息 脚本 data_explo ...
- 《Python数据分析与挖掘实战》第7章-聚类+绘制雷达图
本文是基于<Python数据分析与挖掘实战>的第七章的数据--<航空公司客户价值分析>做的分析对部分代码,做出补充,对原文中的雷达图进行了实现. 1. 背景与目标分析 此项目旨 ...
- 大数据培训课程分享:Python数据分析与挖掘实战课程介绍
<Python数据分析与挖掘实战>课程内容以Python数据分析与挖掘的常用技术与真实案例相结合的方式,深入浅出地介绍Python数据分析与挖掘的重要内容,共分为基础篇(第1~5章)和实战 ...
- 《Python数据分析与挖掘实战》一第1章 数据挖掘基础1.1 某知名连锁餐饮企业的困惑...
本节书摘来自华章出版社<Python数据分析与挖掘实战>一书中的第1章,第1.1节,作者 张良均 王路 谭立云 苏剑林,更多章节内容可以访问云栖社区"华章计算机"公众号 ...
- 《Python数据分析与挖掘实战》一3.1 数据质量分析
本节书摘来自华章出版社<Python数据分析与挖掘实战>一书中的第3章,第3.1节,作者 张良均 王路 谭立云 苏剑林,更多章节内容可以访问云栖社区"华章计算机"公众号 ...
- 《Python数据分析与挖掘实战》一1.2 从餐饮服务到数据挖掘
本节书摘来自华章出版社<Python数据分析与挖掘实战>一书中的第1章,第1.2节,作者 张良均 王路 谭立云 苏剑林,更多章节内容可以访问云栖社区"华章计算机"公众号 ...
- (八)Python数据分析与挖掘实战(实战篇)——中医证型关联规则挖掘
这个专栏用来记录我在学习和实践<Python数据分析与挖掘实战>一书时的一些知识点总结和代码实现. 文章目录 背景和目标 数据 原始属性表 脚本 discretization.py apr ...
最新文章
- NuGet(微软.NET开发平台的软件包管理工具)在VisualStudio中的安装的使用
- python 接口编程_Python 中的面向接口编程
- 计算机浮点数运算误差与解决误差的算法
- spd耗材管理流程图_国药器械山东公司助力济宁医学院附属医院SPD项目成功启动...
- 关于SIGPIPE导致的程序退出
- 卸载MySQL以及重装卡到Start Services的解决办法(亲测有效,刚重装成功)
- (day 24 - 广度优先搜索 )剑指 Offer 32 - I. 从上到下打印二叉树
- 【软件】一个简单好用的取色器TakeColor(百度云免费下载链接)
- word2013论文公式居中并且自动编号
- 声音“三要素”---响度(loudness),音高(pitch),音色(timbre)
- linux 搭建mycat
- Machine learning system design - Error analysis
- office2019怎么在同一个窗口显示多个文件
- web浮动框架 简易灯箱画廊设计
- 案例——中国篮球运动员的基本信息分析
- fidder classic 界面介绍
- 前端HTML调用jQuery库,属性操作:更换图片、添加字体样式(前端:HTML搭配jQuery系列教程六)
- pandas一行代码绘制26种美图
- 通过室内LED光打造世界的标志
- 三·八节,菊厂程序员用“运动轨迹绘制”向女神表白
热门文章
- php if 问号写法,【C语言】if语句和问号表达式
- Aerospike开发指南【中文】
- Google Hack搜索技巧
- python traceback print_python traceback捕获并打印异常
- 水下通信技术的分类、特征、应用及其最新研究进展
- vue 报错:Module parse failed: Unexpected character ‘� ‘
- 什么是人脸识别,人脸识别算法大致分为几种?
- SQL总结之动态SQL(MSSQL)
- mssql与mysql对比_mysql和mssql对比
- NEC成功完成对Avaloq的收购