python项目实战：酒店需求分析（hotel demand booking）

酒店预定需求分析报告

数据来源：https://www.kaggle.com/jessemostipak/hotel-booking-demand
包含了城市酒店与度假酒店的预定信息

目录

字段说明

数据处理

酒店自身运营情况

总营业额

• 按年

• 按月

人均每晚房价比较

• 月份

• 房间类型

• 市场细分

入住率与取消率比较

• 取消的影响因素

  • 当前预订前取消的先前预订的影响

  • 提前预订的天数

  • 付款方式的不同

  • 预定渠道的不同

客户行为分析

国籍

入住时间(按月)

提前预定时长（按月）

入住时长

餐型选择

预定渠道

1.字段说明

• hotel:酒店(H1=度假酒店或H2=城市酒店)
• is_canceled:值，表明预订是否取消（1)或不取消(0）
• lead_time:输入预订日期至抵达日期之间的天数
• arrival_date_year:抵达日期
• arrival_date_month:抵达日期月份
• arrival_date_week_number:到达日期的年份周数
• arrival_date_day_of_month:抵达日期
• stays_in_weekend_nights:周末（星期六或星期天）客人入住或预定入住酒店的次数
• stays_in_week_nights:每周晚上（星期一至星期五）客人入住或预定入住酒店的次数
• adults:成人人数
• children:儿童人数
• babies:婴儿数量
• meal:预订的餐型。 类别以标准招待餐包提供：
  • 未定义/SC-无餐包；
  • BB-早餐；
  • HB-早餐和其他一顿饭-通常是晚餐）；
  • FB-早餐、午餐和晚餐）
• country:原籍国。 类别以ISO3155-3：2013格式表示
• market_segment:市场细分名称。
• distribution_channel:预订分销渠道。 「TA」一词指「旅行社」，「TO」指「旅游经营者」
• is_repeated_guest:值，指示预订名称是否来自重复的客人（1)或不(0）
• previous_cancellations:客户在当前预订前取消的先前预订数
• previous_bookings_not_canceled:客户在本次预订前未取消的先前预订数
• reserved_room_type:房间类型的代码保留。 代码是以匿名为由而不是指定的。
• assigned_room_type:指定预订的房间类型代码。 有时，由于酒店经营的原因，指定的房间类型与预订的房间类型不同(例如。 超额预订)或客户要求。 代码是以匿名为由而不是指定的。
• booking_changes:从预订在PMS系统中输入之日起至入住或取消之日止，对预订所作的更改/修改的数目
• deposit_type:说明客户是否存款以保证预订。 这个变量可以假设三类：
  • Non Deposit-无预付保证金；
  • Non Refund-房价全额提前预付，取消不退款；
  • Refundable-部分房价预付，取消可退款。
• agent:预订的旅行社的身份证
• company:进行预订的公司/实体的ID或负责支付预订。 以身份证明而不是匿名为由指定
• days_in_waiting_list:在客户确认预订前，预订在等待名单中的天数
• customer_type:预订类型，假设四类之一：
  • 合同-当预订有分配或与之相关的其他类型的合同时；
  • 集团-当预订与一个集团相关联时；
  • 短暂-当预订不是一个集团或合同的一部分，并且与其他短暂预订无关时；
  • 短暂-当预订是短暂的，但至少与其他短暂预订有关时
• ADR:每日平均收费，除以所有住宿交易之和以住宿夜总数
• required_car_parking_spaces:客户要求的汽车停车位数量
• total_of_special_requests:客户提出的特殊要求的数量(例如。 双人床或高层)
• reservation_status:保留最后状态，假设三类之一：
  • 取消-预订被客户取消；
  • 退房-客户已入住，但已离开；
  • 不-展示-客户没有入住，并确实通知酒店为什么
• reservation_status_date:设置最后状态的日期。 此变量可与预订状态一起使用，以了解预订何时取消或客户何时退房。

2.数据处理

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
#可视化显示在页面 
%matplotlib inline
#中文字体
plt.rcParams['font.sans-serif']=['SimHei']
#负数正常显示
plt.rcParams['axes.unicode_minus']=False
#忽略警告
import warnings
warnings.filterwarnings('ignore')

#导入数据
df=pd.read_csv('hotel_booking_demand.csv',encoding='gbk')
df.head()

	hotel	is_canceled	lead_time	arrival_date_year	arrival_date_month	arrival_date_week_number	arrival_date_day_of_month	stays_in_weekend_nights	stays_in_week_nights	adults	...	deposit_type	agent	company	days_in_waiting_list	customer_type	adr	required_car_parking_spaces	total_of_special_requests	reservation_status	reservation_status_date
0	Resort Hotel	0	342	2015	July	27	1	0	0	2	...	No Deposit	NaN	NaN	0	Transient	0.0	0	0	Check-Out	2015-07-01
1	Resort Hotel	0	737	2015	July	27	1	0	0	2	...	No Deposit	NaN	NaN	0	Transient	0.0	0	0	Check-Out	2015-07-01
2	Resort Hotel	0	7	2015	July	27	1	0	1	1	...	No Deposit	NaN	NaN	0	Transient	75.0	0	0	Check-Out	2015-07-02
3	Resort Hotel	0	13	2015	July	27	1	0	1	1	...	No Deposit	304.0	NaN	0	Transient	75.0	0	0	Check-Out	2015-07-02
4	Resort Hotel	0	14	2015	July	27	1	0	2	2	...	No Deposit	240.0	NaN	0	Transient	98.0	0	1	Check-Out	2015-07-03

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 119390 entries, 0 to 119389
Data columns (total 32 columns):
 #   Column                          Non-Null Count   Dtype  
---  ------                          --------------   -----  
 0   hotel                           119390 non-null  object 
 1   is_canceled                     119390 non-null  int64  
 2   lead_time                       119390 non-null  int64  
 3   arrival_date_year               119390 non-null  int64  
 4   arrival_date_month              119390 non-null  object 
 5   arrival_date_week_number        119390 non-null  int64  
 6   arrival_date_day_of_month       119390 non-null  int64  
 7   stays_in_weekend_nights         119390 non-null  int64  
 8   stays_in_week_nights            119390 non-null  int64  
 9   adults                          119390 non-null  int64  
 10  children                        119386 non-null  float64
 11  babies                          119390 non-null  int64  
 12  meal                            119390 non-null  object 
 13  country                         118902 non-null  object 
 14  market_segment                  119390 non-null  object 
 15  distribution_channel            119390 non-null  object 
 16  is_repeated_guest               119390 non-null  int64  
 17  previous_cancellations          119390 non-null  int64  
 18  previous_bookings_not_canceled  119390 non-null  int64  
 19  reserved_room_type              119390 non-null  object 
 20  assigned_room_type              119390 non-null  object 
 21  booking_changes                 119390 non-null  int64  
 22  deposit_type                    119390 non-null  object 
 23  agent                           103050 non-null  float64
 24  company                         6797 non-null    float64
 25  days_in_waiting_list            119390 non-null  int64  
 26  customer_type                   119390 non-null  object 
 27  adr                             119390 non-null  float64
 28  required_car_parking_spaces     119390 non-null  int64  
 29  total_of_special_requests       119390 non-null  int64  
 30  reservation_status              119390 non-null  object 
 31  reservation_status_date         119390 non-null  object 
dtypes: float64(4), int64(16), object(12)
memory usage: 29.1+ MB

总共有119389条数据，32个观测指标，存在缺失数据。

###查找缺失数据
df.isnull().sum()[df.isnull().sum()!=0]

children         4
country        488
agent        16340
company     112593
dtype: int64

发现children,country,agent,company中存在缺失数据。

其中children很可能是因为没有儿童入住，所以可以用0填补缺失值；

country则可以用众数取代；

而agent和company缺失值过多，可以删除该观测指标。

#缺失值处理
df['children']=df['children'].fillna(0)
df['country']=df['country'].fillna(value=df.country.mode()[0])
df.drop(['agent'],axis=1,inplace=True)
df.drop(['company'],axis=1,inplace=True)

#检查
df.isnull().sum()[df.isnull().sum()!=0]

Series([], dtype: int64)

#更改数据类型(更改reservation_status_date为日期型)
df['reservation_status_date']=df['reservation_status_date'].astype('datetime64[ns]')