（10-3-04-01）银行消费者投诉处理模型

10.3.4  探索性数据分析

在数据集中包含许多分类数据，我们可以进行如下分组和分析：

1. 消费者投诉方式（投诉是如何提出的？）
2. 消费者向哪家银行投诉（投诉是向哪家银行提出的？）
3. 消费者投诉时间线（投诉是何时提出的？）
4. 消费者投诉时间线的趋势（数据分组；时间线中是否存在趋势）
5. 消费者所在州（投诉发生在哪个州？）
6. 银行对消费者投诉的响应（对投诉的响应是什么？）
7. 消费者对银行响应的反应（消费者是否对响应提出了异议？）

在接下来的内容中，将对这些分类数据进行分组和分析，以了解数据集中的趋势和模式。

（1）使用value_counts(ascending=True)查看 'submitted via' 列中不同提交方式的计数，按升序排列。这将返回一个包含每种提交方式计数的 Series 对象，计数从最低到最高排列。具体实现代码如下所示。

df['submitted via'].value_counts(ascending=True)

执行后输出：

Web    184012

Name: submitted via, dtype: int64

（2）定义一个名为 plot_subset_counts 的函数，该函数用于绘制数据框中某一列的子集计数。然后调用函数 plot_subset_counts绘制了一个垂直条形图，显示了前 10 个银行的计数。这有助于可视化数据集中不同银行的出现频率。具体实现代码如下所示。

def plot_subset_counts(df,column,orient='h',top=None):  
    ldf = df[column].value_counts(ascending=False).to_frame()
    ldf.columns = ['values']  
    if(top):
        ldf = ldf[:top]    
    if(orient is 'h'):
        fig = px.bar(data_frame=ldf,
                     x = ldf.index,
                     y = 'values',
                     template='plotly_white',
                     title='Subset Value-Counts')
    elif('v'):

        fig = px.bar(data_frame=ldf,
                             y = ldf.index,
                             x = 'values',
                             template='plotly_white',
                             title='Subset Value-Counts')
        
    fig.update_layout(height=400)
    fig.update_traces(marker_line_color='white',
                      marker_line_width=0.5,
                      marker={'color':'#F1A424'},
                      width=0.75)
    
    fig.show("png")
plot_subset_counts(df,'company',orient='v',top=10)

执行效果如图10-26所示。

图10-26  前十个银行的数量统计图

（3）计算了 'company public response' 列中不同银行公共响应的计数，并将结果转换为 DataFrame。然后，使用 .style.bar() 方法为该 DataFrame 创建了一个样式，包括设置了条形图的样式、颜色和对齐方式。具体实现代码如下所示。

ldf = df['company public response'].value_counts(ascending=False).to_frame()
ldf.style\
    .bar(align='mid',
         color=['#3b3745','#F1A424'])

执行效果如图10-27所示，这个操作可用于可视化不同银行的公共响应计数，并使用不同的颜色来区分条形。

图10-27  不同银行公共响应的计数

（4）可视化每周的投诉趋势，具体实现流程如下所示：

1. 首先，创建了一个名为 complaints 的数据框，它是原始数据 df 的一个副本。
2. 然后，根据 'date received' 列对数据进行了分组，计算了每天的投诉数量，结果存储在 complaints_daily 数据框中。
3. 接下来，将 complaints_daily 数据重新设置索引，并使用 .resample('W', on='date received').sum() 将数据汇总成每周的投诉数量，结果存储在 complaints_weekly 数据框中。
4. 最后，使用 Plotly Express 创建了一条线图，显示了每周的投诉数量，图表的标题为 "Weekly Complaints"，并将图表以 PNG 格式显示出来。

具体实现代码如下所示。

complaints = df.copy()
complaints_daily = complaints.groupby(['date received']).agg("count")[["product"]] # daily addresses

# Sample weekly
complaints_weekly = complaints_daily.reset_index()
complaints_weekly = complaints_weekly.resample('W', on='date received').sum() # weekly addresses

fig = px.line(complaints_weekly,complaints_weekly.index,y="product",
              template="plotly_white",title="Weekly Complaints",height=400)
fig.update_traces(line_color='#F1A424')
fig.show("png")

执行效果如图10-28所示，这有助于理解投诉的季节性变化或趋势。

图10-28  执行效果

（5）使用 Plotly Express 创建一个柱状图，显示了每月的投诉趋势，具体来说，它显示了每天的投诉数量。具体实现代码如下所示。

fig = px.bar(df['day'].value_counts(ascending=True).to_frame(),y='day',
             template='plotly_white',height=300,
             title='Day of the Month Complaint Trends')
fig.update_xaxes(tickvals = [i for i in range(0,32,1)])
fig.update_traces(marker_line_color='#F1A424',marker_line_width=0.1,
                  marker={'color':'#F1A424'},width=0.5)
fig.update_traces(textfont_size=12, textangle=0, 
                  textposition="outside", cliponaxis=False)
fig.show("png")

执行后使用 fig.show("png") 显示生成的柱状图，效果如图10-29所示，可用于可视化每天的投诉趋势。

图10-29  每天投诉数量

（6）使用 Plotly Express 创建一个柱状图，显示了每个月的投诉数量。具体实现代码如下所示。

fig = px.bar(df['month'].value_counts(ascending=False).to_frame(),y='month',
             template='plotly_white',height=300,
             title='Month of the Year Complaint Trends')
fig.update_xaxes(tickvals = [i for i in range(0,13,1)])
fig.update_traces(marker_line_color='#F1A424',marker_line_width=0.1,
                  marker={'color':'#F1A424'},width=0.5)
fig.show("png")

执行效果如图10-30所示，用于可视化每个月的投诉趋势。

图10-30  每月投诉数量