Kaggle数据集之电信客户流失数据分析（二）

上篇：Kaggle数据集之电信客户流失数据分析（一）
采用整体流失率作为标准，用于后面分析各维度的流失率做对比。

人口统计指标：‘gender’,‘SeniorCitizen’,‘Partner’,'Dependents’

fig,axes=plt.subplots(2,2,figsize=(15,15)) #画多子图，函数返回一个figure图像和子图axes的array列表
for i,j in enumerate(['gender','SeniorCitizen','Partner','Dependents']): #enumerate将数据对象组合为索引序列
    plt.subplot(2,2,i+1) #i从0开始，子图的第i+1个图
    ax=sns.countplot(x=j,hue='Churn',data=df,palette="Set2",order=df_Churn.groupby(j)['Churn'].value_counts().index.levels[0])
    plt.title(str(j),fontsize=20)
    plt.xlabel('Churn',fontsize=15)
    plt.xticks(fontsize=15)
    plt.legend(fontsize=15)
    lent=df_Churn.groupby(j)['Churn'].value_counts().shape[0]
    for p in range(lent):
        Rate=df_Churn.groupby(j)['Churn'].value_counts()[p]/df.groupby(j,as_index=False)['Churn'].size()[p]
        plt.text(p,100,'流失率{:.2%}'.format(Rate),fontsize=12)
    i+=1

enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。

举例子理解groupby

例1

import pandas as pd

df1 = pd.DataFrame(data={
   'books':['bk1','bk1','bk1','bk2','bk2','bk3'], 'price': [12,12,12,15,15,17],'num':[2,1,1,4,2,2]})
print(df1)
print(df1.groupby('books',as_index=True).sum())
print(df1.groupby('books',as_index=False).sum())
print(df1.groupby('books',as_index=False)['num'].size()) #统计
print(df1.groupby('books',as_index=False)['price'].size())

  books  price  num
0   bk1     12    2
1   bk1     12    1
2   bk1     12    1
3   bk2     15    4
4   bk2     15    2
5   bk3     17    2
       price  num
books            
bk1       36    4
bk2       30    6
bk3       17    2
  books  price  num
0   bk1     36    4
1   bk2     30    6
2   bk3     17    2
books
bk1    3
bk2    2
bk3    1
dtype: int64
books
bk1    3
bk2    2
bk3    1
dtype: int64

例2

df2 = pd.DataFrame({
   'A': ['a', 'b', 'a', 'c', 'a', 'c', 'b', 'c'], 
                    'B': [2, 8, 1, 4, 3, 2, 5, 9], 
                    'C': [102, 98, 107, 104,