数据分析1-电信行业用户流失预测实操

一、关于数据

1、字段介绍

本数据描述了电信用户是否流失以及相关信息，共7044条数据，共20个字段：

字段	含义
customerID	用户ID
gender	性别（female，male）
SeniorCitizen	老年人（1-是，0-不是）
Partner	是否有配偶（Yes or No）
Dependents	是否经济独立（Yes or No）
tenure	客户的职位（共73个）
PhoneService	是否开通电话服务业务（Yes or No）
MultipleLines	是否开通了多线服务（Yes or No or No phoneservice）
InternetService	是否开通互联网服务（No，DSL数字网络，fiber optic光纤网络）
OnlineSecurity	是否开通网络安全服务（Yes or No or No internetservice）
OnlineBackup	是否开通在线备份服务（Yes or No or No internetservice）
DeviceProtection	是否开通设备保护业务（Yes or No or No internetservice）
TechSupport	是否开通技术支持服务（Yes or No or No internetservice）
StreamingTV	是否开通网络电视（Yes or No or No internetservice）
StreamingMovies	是否开通网络电影（Yes or No or No internetservice）
Contract	签订合同方式（月，一年，两年）
PaperlessBilling	是否开通电子账单（Yes or No）
PaymentMethod	付款方式
MonthlyCharges	月费用
TotalCharges	总费用
Churn	顾客是否流失（Yes or No）

2、导入数据

import pandas as pd
filepath=r"...\WA_Fn-UseC_-Telco-Customer-Churn.csv"
df=pd.read_csv(filepath,header=0,encoding="gbk")
df.head()

下面展示部分数据：

3、查看数据集信息

#获取数据类型的描述统计信息
df.describe()

df.shape

数据集的大小为（7043，21）

二、数据处理

1、查看缺失值

#查找缺失值
pd.isnull(df).sum()

目前数据集没有缺失值

2、数据信息

#查看数据类型
df.info()

TotalCharges表示总费用，这里是对象类型，需要转换类型为float

df['Churn'].value_counts()

数据集中有5174名用户未流失，有1869名流失，所以数据集不平衡

3、数据再处理

#转换类型
#df['TotalCharges']=df['TotalCharges'].convert_objects(convert_numeric=True)
df['TotalCharges'