利用KMeans聚类进行航空公司客户价值分析

转自：https://www.cnblogs.com/itdyb/p/5691958.html

准确的客户分类的结果是企业优化营销资源的重要依据，本文利用了航空公司的部分数据，利用Kmeans聚类方法，对航空公司的客户进行了分类，来识别出不同的客户群体，从来发现有用的客户，从而对不同价值的客户类别提供个性化服务，指定相应的营销策略。

一、分析方法和过程

1.数据抽取——>2.数据探索与预处理——>3。建模与应用

    传统的识别客户价值应用最广泛的模型主要通过3个指标（最近消费时间间隔（Recency）、消费频率（Frequency）和消费金额（Monetary））来进行客户细分，识别出价值高的客户，简称RFC模型。点击查看RFC

    在RFC模型中，消费金额表示在一段时间内，客户购买产品的总金额。但是不适用于航空公司的数据处理。因此我们用客户在一段时间内的累计飞行里程M和客户在一定时间内乘坐舱位的折扣系数C代表消费金额。再在模型中增加客户关系长度L，所以我们用LRFMC模型。

因此本次数据挖掘的主要步骤：

1).从航空公司的数据源中进行选择性抽取与新增数据抽取分别形成历史数据和增量数据

2).对步骤1）中形成的两个数据集进行数据探索分析和预处理，包括数据缺失值和异常值分析。即数据属性的规约、清洗和变换

3).利用步骤2）中的处理的数据进行建模，利用Python下Sklearn库中提供的KMeans方法，进行聚类

4)。针对模型的结果进行分析。

二。数据处理

1.下面是本次试验数据集的一部分截图，数据集抽取2012-4-1到2014-3-31内乘客的数据，一个62988条数据。包括了会员卡号、入会时间、性别、年龄等44个属性。

2.数据探索分析：主要是对数据进行缺失值分析与异常值的分析。通过发现原始数据中存在票价为空值，票价最小值为0，折扣率最小值为0、总飞行公里数大于0的记录。

其Python代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

def explore(datafile,exploreoutfile):      """      进行数据的探索      @Dylan      :param data: 原始数据目录      :return: 探索后的结果      """      data = pd.read_csv(datafile,encoding = 'utf-8' )      explore = data.describe(percentiles = [],include = 'all' ).T ####包含了对数据的基本描述，percentiles参数是指定计算多少分位数      explore[ 'null' ] = len (data) - explore[ 'count' ] ##手动计算空值数      explore = explore[[ 'null' , 'max' , 'min' ]] ####选取其中的重要列      explore.columns = [ '空值数' , '最大值' , '最小值' ]      """describe()函数自动计算的字段包括：count、unique、top、max、min、std、mean。。。。。      """      # explore=explore.fillna(0)      explore.to_excel(exploreoutfile)

 上面代码得到的探索结果：

3.数据预处理：

3.1数据清洗：

（1）丢弃票价为空的记录

（2）丢弃票价为0、平均折扣率不足0、总飞行公里数大于0的距离

数据清洗的Python代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

def clean_data(datafile,cleanoutfile):      """      进行数据清洗，丢弃票价为空记录，丢弃票价为0，折扣不为0且飞行距离大于0的距离      @Dylan      :param data:原始数据      :return:      """      data = pd.read_csv(datafile,encoding = 'utf-8' )        data = data[data[ 'SUM_YR_1' ].notnull() * data[ 'SUM_YR_2' ].notnull()] ####票价值非空才会保留      ####只保留票价非0的，或者平均折扣率与总飞行记录同时为0 的记录      index1 = data[ 'SUM_YR_1' ]! = 0      index2 = data[ 'SUM_YR_2' ]! = 0      index3 = (data[ 'SEG_KM_SUM' ] = = 0 ) & (data[ 'avg_discount' ] = = 0 )        data = data[index1 | index2 | index3]      data.to_excel(cleanoutfile)

 3.2属性规约

选择与LRFMC模型指标相关的6个属性：FFP_DATE、LOAD_TIME、FLIGHT_COUNT、avg_discount、SEG_KM_SUM、LAST_TO_END。删除不相关的属性。

3.3 数据变换

由于原始数据没有直接给出LRFMC五个指标，需要自己计算，具体的计算方式为：

（1）L=LOAD_TIME-FFP_DATE

（2）R=LAST_TO_END

（3）F=FLIGHT_COUNT

 (4) M=SEG_KM_SUM

（5）C=avg_discount

数据变换的Python代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

def reduction_data(datafile,reoutfile):      data = pd.read_excel(cleanoutfile,encoding = 'utf-8' )      data = data[[ 'LOAD_TIME' , 'FFP_DATE' , 'LAST_TO_END' , 'FLIGHT_COUNT' , 'SEG_KM_SUM' , 'avg_discount' ]]      # data['L']=pd.datetime(data['LOAD_TIME'])-pd.datetime(data['FFP_DATE'])      # data['L']=int(((parse(data['LOAD_TIME'])-parse(data['FFP_ADTE'])).days)/30)      ####这四行代码费了我3个小时      d_ffp = pd.to_datetime(data[ 'FFP_DATE' ])      d_load = pd.to_datetime(data[ 'LOAD_TIME' ])      res = d_load - d_ffp      data[ 'L' ] = res. map ( lambda x:x / np.timedelta64( 30 * 24 * 60 , 'm' ))        data[ 'R' ] = data[ 'LAST_TO_END' ]      data[ 'F' ] = data[ 'FLIGHT_COUNT' ]      data[ 'M' ] = data[ 'SEG_KM_SUM' ]      data[ 'C' ] = data[ 'avg_discount' ]      data = data[[ 'L' , 'R' , 'F' , 'M' , 'C' ]]      data.to_excel(reoutfile)

变换结果如下：

 3.4 数据标准化

Python代码如下：

?

1 2 3 4 5 6

def zscore_data(datafile,zscorefile):      data = pd.read_excel(datafile)      data = (data - data.mean(axis = 0 )) / data.std(axis = 0 )      data.columns = [ 'Z' + i for i in data.columns]        data.to_excel(zscorefile,index = False )

 最后数据结果如下：

 

4.建立模型

4.1客户聚类

采用kMeans聚类算法对客户数据进行客户分组，聚成5组，Python代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

import pandas as pd from sklearn.cluster import KMeans import matplotlib.pyplot as plt from itertools import cycle   datafile = './tmp/zscore.xls' k = 5 classoutfile = './tmp/class.xls' resoutfile = './tmp/result.xls' data = pd.read_excel(datafile)   kmodel = KMeans(n_clusters = k,max_iter = 1000 ) kmodel.fit(data)   # print(kmodel.cluster_centers_) r1 = pd.Series(kmodel.labels_).value_counts() r2 = pd.DataFrame(kmodel.cluster_centers_) r = pd.concat([r2,r1],axis = 1 ) r.columns = list (data.columns) + [ '类别数目' ] # print(r) # r.to_excel(classoutfile,index=False)   r = pd.concat([data,pd.Series(kmodel.labels_,index = data.index)],axis = 1 ) r.columns = list (data.columns) + [ '聚类类别' ] # r.to_excel(resoutfile,index=False)

 对数据进行聚类分群的结果如下表所示：

自定义绘图函数进行绘制出每个聚类数据的密度图像：

def density_plot(data):
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    p=data.plot(kind='kde',linewidth=2,subplots=True,sharex=False)
    [p[i].set_ylabel('密度') for i in range(k)]
    [p[i].set_title('客户群%d' %i) for i in range(k)]
    plt.legend()
    return plt

下图为其中的一个

 

有了模型和图像后我们就可以进行分析。