航空公司客户价值分析
#-*- coding: utf-8 -*- # 代码7-1 # 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 datafile= 'D://人工智能/air_data.csv' # 航空原始数据,第一行为属性标签 resultfile = 'D://人工智能/tmp/explore_2.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装换为UTF-8编码） 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 # T是转置，转置后更方便查阅 explore['null'] = len(data)-explore['count'] # describe()函数自动计算非空值数，需要手动计算空值数 explore = explore[['null', 'max', 'min']] explore.columns = ['空值数', '最大值', '最小值'] # 表头重命名 ''' 这里只选取部分探索结果。 describe()函数自动计算的字段有count（非空值数）、unique（唯一值数）、top（频数最高者）、 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
#-*- coding: utf-8 -*- # 代码7-2 # 对数据的分布分析 import pandas as pd import matplotlib.pyplot as plt datafile= 'D://人工智能//air_data.csv' # 航空原始数据,第一行为属性标签 # 读取原始数据，指定UTF-8编码（需要用文本编辑器将数据装换为UTF-8编码） data = pd.read_csv(datafile, encoding = 'utf-8') # 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' # 设置中文显示 plt.rcParams['axes.unicode_minus'] = False 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20信计1班许伊诺2020310143024') plt.show() plt.close # 提取会员不同性别人数 male = pd.value_counts(data['GENDER'])['男'] female = pd.value_counts(data['GENDER'])['女'] # 绘制会员性别比例饼图 fig = plt.figure(figsize = (7 ,4)) # 设置画布大小 plt.pie([ male, female], labels=['男','女'], colors=['lightskyblue', 'lightcoral'], autopct='%1.1f%%') plt.title('会员性别比例20信计1班许伊诺2020310143024') plt.show() plt.close # 提取不同级别会员的人数 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] # 绘制会员各级别人数条形图 fig = plt.figure(figsize = (8 ,5)) # 设置画布大小 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20信计1班许伊诺2020310143024') 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轴标题 boxprops = {'facecolor':'lightblue'}) # 设置填充颜色 plt.title('会员年龄分布箱线图20信计1班许伊诺2020310143024') # 显示y坐标轴的底线 plt.grid(axis='y') plt.show() plt.close # 代码7-3 # 乘机信息类别 lte = data['LAST_TO_END'] fc = data['FLIGHT_COUNT'] sks = data['SEG_KM_SUM'] # 绘制最后乘机至结束时长箱线图 fig = plt.figure(figsize = (5 ,8)) plt.boxplot(lte, patch_artist=True, labels = ['时长'], # 设置x轴标题 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线图20信计1班许伊诺2020310143024') # 显示y坐标轴的底线 plt.grid(axis='y') plt.show() plt.close # 绘制客户飞行次数箱线图 fig = plt.figure(figsize = (5 ,8)) plt.boxplot(fc, patch_artist=True, labels = ['飞行次数'], # 设置x轴标题 boxprops = {'facecolor':'lightblue'}) # 设置填充颜色 plt.title('会员飞行次数分布箱线图20信计1班许伊诺2020310143024') # 显示y坐标轴的底线 plt.grid(axis='y') plt.show() plt.close # 绘制客户总飞行公里数箱线图 fig = plt.figure(figsize = (5 ,10)) plt.boxplot(sks, patch_artist=True, labels = ['总飞行公里数'], # 设置x轴标题 boxprops = {'facecolor':'lightblue'}) # 设置填充颜色 plt.title('客户总飞行公里数箱线图20信计1班许伊诺2020310143024') # 显示y坐标轴的底线 plt.grid(axis='y') plt.show() plt.close # 代码7-4 # 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)) # 设置画布大小 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20信计1班许伊诺2020310143024') plt.show() plt.close # 提取会员总累计积分 ps = data['Points_Sum'] # 绘制会员总累计积分箱线图 fig = plt.figure(figsize = (5 ,8)) plt.boxplot(ps, patch_artist=True, labels = ['总累计积分'], # 设置x轴标题 boxprops = {'facecolor':'lightblue'}) # 设置填充颜色 plt.title('客户总累计积分箱线图20信计1班许伊诺2020310143024') # 显示y坐标轴的底线 plt.grid(axis='y') plt.show() plt.close # 代码7-5 # 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 # 计算相关性矩阵 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)) # 设置画面大小 sns.heatmap(dt_corr, annot=True, vmax=1, square=True, cmap='Blues') plt.show() plt.close
import numpy as np import pandas as pd datafile = 'D://人工智能/air_data.csv' # 航空原始数据路径 cleanedfile = 'D://人工智能//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
import pandas as pd import numpy as np # 读取数据清洗后的数据 cleanedfile = 'D://人工智能/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()) # 代码7-8 # 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('D://人工智能//airline_scale.npz',data) print('标准化后LRFMC五个属性为：\n',data[:5,:])
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('D://人工智能/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) # 代码7-10 %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，作为雷达图的图例 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]])) labels = np.concatenate((labels, [labels[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 ax.set_thetagrids(angle * 180 / np.pi, labels) plt.title('客户特征分析雷达图--20信计1班许伊诺2020310143024') plt.legend(legen) plt.show() plt.close
