根据五月数据,对六月客户是否流失做一个预测
五月数据 部分操作举例
五月数据九十万条,74个特征
数据筛选
导入数据,查看缺失值
data5.isnull().sum()
删除其中一列对结果影响并不大的四行缺失值
用众数填充另一列的缺失值
data5=data5.dropna(subset=["ZHU_OFFER_ID"])
#宽带接入方式CONSOLIDATE_CONNET_MODE
import numpy as np
from scipy.stats import mode
print("# Print mode(list):", mode(data5['CONSOLIDATE_CONNET_MODE']))
print("# CONSOLIDATE_CONNET_MODE中最常见的成员为:{},出现了{}次。".format(mode(data5['CONSOLIDATE_CONNET_MODE'])[0][0], mode(data5['CONSOLIDATE_CONNET_MODE'])[1][0]))
#把缺失的4730个数据填充为“FTTH接入”
data5['CONSOLIDATE_CONNET_MODE'] = data5['CONSOLIDATE_CONNET_MODE'].fillna('FTTH接入')
#Print mode(list): ModeResult(mode=array([‘FTTH接入’], dtype=object), count=array([852397]))
#CONSOLIDATE_CONNET_MODE中最常见的成员为:FTTH接入,出现了852397次。
查看热力图
plt.figure(figsize=(30, 30), dpi=120)
sns.heatmap(data5.corr())
plt.savefig('res.png')
对某些列做直方图、箱线图分析,判断是否为可用特征
(其实是带有人为主观的去判断,不是很准确吧)
举例:
#是否二路宽带
sns.countplot(x='IS_SECOND_KD',hue='IF_FALG',data=data5)