基于Kmeans聚类的航空公司会员客户价值分析

1.导入相关的包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

2.导入数据

# 导入航空公司会员客户数据
df = pd.read_csv(r"C:\Python\基于数据挖掘技术的航空公司会员客户价值研究报告\air_data.csv")
df

# 导入字段说明数据
df_field = pd.read_excel(r"C:\Python\基于数据挖掘技术的航空公司会员客户价值研究报告\数据特征说明.xlsx")
df_field

# 更改列名为中文名
dfc = df.copy()
dfc.columns = df_field['属性名称']
dfc

3、选择模型指标

# 这里使用以下指标作为RFM模型指标：其中金额指标拆分为两部分，分别是平均折扣率和飞行公里数，平均折扣率越高，说明打折幅度越少
# 说明这是价格不敏感的客户，而飞行公里也在一定程度上能够衡量机票的金额，飞行公里数越大越好。
# R：最近一次飞行间隔：LAST_TO_END
# F：飞行频率：FLIGH_COUNT
# D：折扣率：avg_discount
# K：飞行公里：SEG_KM_SUM

# 选择模型指标
df_rfm = dfc.loc[:,['最后一次乘机时间至观察窗口末端时长','飞行次数','平均折扣率','观测窗口总飞行公里数']]
df_rfm.columns = ['R','F','D','K']
df_rfm

3.1、缺失值处理

# 观察特征缺失值比例
df_rfm.isnull().sum()

3.2、异常值处理

# 因为KMeans是基于距离计算的聚类模型，因此离群点会对建模产生影响，所以要对异常值做处理
df_rfm.describe()

# 由下表可知，F值的最大值是0.95分位数的五倍，K值的最大值也是0.95分位数的5倍，属于异常值
df_rfm.describe([0.9,0.95])

# 使用95分位数盖帽法来处理异常值
F_095 = df_rfm['F'</