Kaggle数据集之电信客户流失数据分析（三）之决策树分类

一、导入数据

import pandas as pd
df=pd.read_csv(r"D:\PycharmProjects\ku_pandas\WA_Fn-UseC_-Telco-Customer-Churn.csv")
df

	customerID	gender	SeniorCitizen	Partner	Dependents	tenure	PhoneService	MultipleLines	InternetService	OnlineSecurity	...	DeviceProtection	TechSupport	StreamingTV	StreamingMovies	Contract	PaperlessBilling	PaymentMethod	MonthlyCharges	TotalCharges	Churn
0	7590-VHVEG	Female	0	Yes	No	1	No	No phone service	DSL	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	29.85	29.85	No
1	5575-GNVDE	Male	0	No	No	34	Yes	No	DSL	Yes	...	Yes	No	No	No	One year	No	Mailed check	56.95	1889.5	No
2	3668-QPYBK	Male	0	No	No	2	Yes	No	DSL	Yes	...	No	No	No	No	Month-to-month	Yes	Mailed check	53.85	108.15	Yes
3	7795-CFOCW	Male	0	No	No	45	No	No phone service	DSL	Yes	...	Yes	Yes	No	No	One year	No	Bank transfer (automatic)	42.30	1840.75	No
4	9237-HQITU	Female	0	No	No	2	Yes	No	Fiber optic	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	70.70	151.65	Yes
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
7038	6840-RESVB	Male	0	Yes	Yes	24	Yes	Yes	DSL	Yes	...	Yes	Yes	Yes	Yes	One year	Yes	Mailed check	84.80	1990.5	No
7039	2234-XADUH	Female	0	Yes	Yes	72	Yes	Yes	Fiber optic	No	...	Yes	No	Yes	Yes	One year	Yes	Credit card (automatic)	103.20	7362.9	No
7040	4801-JZAZL	Female	0	Yes	Yes	11	No	No phone service	DSL	Yes	...	No	No	No	No	Month-to-month	Yes	Electronic check	29.60	346.45	No
7041	8361-LTMKD	Male	1	Yes	No	4	Yes	Yes	Fiber optic	No	...	No	No	No	No	Month-to-month	Yes	Mailed check	74.40	306.6	Yes
7042	3186-AJIEK	Male	0	No	No	66	Yes	No	Fiber optic	Yes	...	Yes	Yes	Yes	Yes	Two year	Yes	Bank transfer (automatic)	105.65	6844.5	No

7043 rows × 21 columns

本数据集描述了电信用户是否流失以及其相关信息，共包含7043条数据，共21个字段，分别介绍如下：

• customerID ： 用户ID
• gender：性别（Female & Male）
• SeniorCitizen ：老年用户（1表示是，0表示不是）
• Partner ：伴侣用户（Yes or No）
• Dependents ：亲属用户（Yes or No）
• tenure ： 在网时长（0-72月）
• PhoneService ： 是否开通电话服务业务（Yes or No）
• MultipleLines： 是否开通了多线业务（Yes 、No or No phoneservice 三种）
• InternetService：是否开通互联网服务（No, DSL数字网络，fiber optic光纤网络 三种）
• OnlineSecurity：是否开通网络安全服务（Yes，No，No internetserive 三种）
• OnlineBackup：是否开通在线备份业务（Yes，No，No internetserive 三种）
• DeviceProtection：是否开通了设备保护业务（Yes，No，No internetserive 三种）
• TechSupport：是否开通了技术支持服务（Yes，No，No internetserive 三种）
• StreamingTV：是否开通网络电视（Yes，No，No internetserive 三种）
• StreamingMovies：是否开通网络电影（Yes，No，No internetserive 三种）
• Contract：签订合同方式（按月，一年，两年）
• PaperlessBilling：是否开通电子账单（Yes or No）
• PaymentMethod：付款方式（bank transfer，credit card，electronic check，mailed check）
• MonthlyCharges：月费用
• TotalCharges：总费用
• Churn：该用户是否流失（Yes or No）

二、数据描述分析

1. 查看数据

df.shape #显示数据的格式

(7043, 21)

df.dtypes #输出每一列对应的数据类型

customerID           object
gender               object
SeniorCitizen         int64
Partner              object
Dependents           object
tenure                int64
PhoneService         object
MultipleLines        object
InternetService      object
OnlineSecurity       object
OnlineBackup         object
DeviceProtection     object
TechSupport          object
StreamingTV          object
StreamingMovies      object
Contract             object
PaperlessBilling     object
PaymentMethod        object
MonthlyCharges      float64
TotalCharges         object
Churn                object
dtype: object

df.isnull().sum().values.sum() #查找缺失值

0

df.nunique() #查看每一列有几个不同值

customerID          7043
gender                 2
SeniorCitizen          2
Partner                2
Dependents             2
tenure                73
PhoneService           2
MultipleLines          3
InternetService        3
OnlineSecurity         3
OnlineBackup           3
DeviceProtection       3
TechSupport            3
StreamingTV            3
StreamingMovies        3
Contract               3
PaperlessBilling       2
PaymentMethod          4
MonthlyCharges      1585
TotalCharges        6531
Churn                  2
dtype: int64

# 查看表格某列中有多少个不同值，并计算每个不同值在该列中有多少重复值
df.Churn.value_counts()  #value_counts()是Series拥有的方法，一般在DataFrame中使用时，需要指定对哪一列或行使用

No     5174
Yes    1869
Name: Churn, dtype: int64

说明一共有1869个流失客户，5174个非流失客户

2. 数据清洗

(1). 简化属性值

• 将InternetService中的DSL数字网络，fiber optic光纤网络替换为Yes
• 将MultipleLines中的No phoneservice替换成No
• 将TotalCharges转换为数字型

# 将InternetService中的DSL数字网络，fiber optic光纤网络替换为Yes
# 将MultipleLines中的No phoneservice替换成No
replace_list=['OnlineSecurity','OnlineBackup','DeviceProtection','TechSupport','StreamingTV','StreamingMovies']
for i in replace_list:
    df[i]=df[i].str.replace('No internet service','No')
df['InternetService']=df['InternetService'].str.replace('Fiber optic','Yes')
df['InternetService']=df['InternetService'].str.replace('DSL','Yes')
df['MultipleLines']=df['MultipleLines'].str.replace('No phone service','No')
# 将TotalCharges转换为数字型
df.TotalCharges=pd.to_numeric(df.TotalCharges,errors="coerce") #.to_numeric()将参数转换为数字类型,其中coerce表示无效的解析将设置为NaN
df.TotalCharges.dtypes

dtype('float64')

3. 数据可视化

具体见

• Kaggle数据集之电信客户流失数据分析（一）
• Kaggle数据集之电信客户流失数据分析（二）

三、用决策树分类

根据(二)中的可视化结果，有11个特征与客户流失率的高低相关，分别是

• SeniorCitizen ：是否老年用户
• Partner ：是否伴侣用户
• Dependents ：是否亲属用户
• tenure： 在网时长
• InternetService：是否开通互联网服务
• OnlineSecurity：是否开通网络安全服务
• TechSupport：是否开通了技术支持服务
• Contract：签订合同方式 （按月，一年，两年）
• PaperlessBilling：是否开通电子账单（Yes or No）
• PaymentMethod：付款方式（bank transfer，credit card，electronic check，mailed check）
• MonthlyCharges：月费用

接下来通过样本数据训练一个决策树模型，使模型能够根据输入特征预测客户是否为潜在的流失对象。

1. 特征工程

df

	customerID	gender	SeniorCitizen	Partner	Dependents	tenure	PhoneService	MultipleLines	InternetService	OnlineSecurity	...	DeviceProtection	TechSupport	StreamingTV	StreamingMovies	Contract	PaperlessBilling	PaymentMethod	MonthlyCharges	TotalCharges	Churn
0	7590-VHVEG	Female	0	Yes	No	1	No	No	Yes	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	29.85	29.85	No
1	5575-GNVDE	Male	0	No	No	34	Yes	No	Yes	Yes	...	Yes	No	No	No	One year	No	Mailed check	56.95	1889.50	No
2	3668-QPYBK	Male	0	No	No	2	Yes	No	Yes	Yes	...	No	No	No	No	Month-to-month	Yes	Mailed check	53.85	108.15	Yes
3	7795-CFOCW	Male	0	No	No	45	No	No	Yes	Yes	...	Yes	Yes	No	No	One year	No	Bank transfer (automatic)	42.30	1840.75	No
4	9237-HQITU	Female	0	No	No	2	Yes	No	Yes	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	70.70	151.65	Yes
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
7038	6840-RESVB	Male	0	Yes	Yes	24	Yes	Yes	Yes	Yes	...	Yes	Yes	Yes	Yes	One year	Yes	Mailed check	84.80	1990.50	No
7039	2234-XADUH	Female	0	Yes	Yes	72	Yes	Yes	Yes	No	...	Yes	No	Yes	Yes	One year	Yes