航空公司客户价值分析

最新推荐文章于 2024-03-02 14:03:26 发布

不会下雨的～云

最新推荐文章于 2024-03-02 14:03:26 发布

阅读量2.1k

点赞数 5

文章标签： python 机器学习数据挖掘

本文链接：https://blog.csdn.net/qq_62870237/article/details/124715358

版权

我的这个项目放在百度网盘了，你可以提取。数据表都有。

链接：https://pan.baidu.com/s/1il9Uzs7xlcEkssIzeiZpfA
提取码：ys9e

一、对于数据的抽取

#1、数据抽取
import pandas as pd

datafile = './air_data.csv'  # 航空原始数据路径
data = pd.read_csv(datafile, encoding = 'utf-8') #读取原始数据，指定UTF-8编码

二、数据探索分析

#2、数据探索分析
import pandas as pd

datafile= './air_data.csv' #航空原始数据,第一行为属性标签
resultfile = './explore.xls' #数据探索结果表
data = pd.read_csv(datafile, encoding = 'utf-8') #读取原始数据，指定UTF-8编码
explore = data.describe(percentiles = [], include = 'all').T #包括对数据的基本描述，percentiles参数是指定计算多少的分位数表（如1/4分位数、中位数等）；T是转置，转置后更方便查阅
explore['null'] = len(data)-explore['count'] #describe()函数自动计算非空值数，需要手动计算空值数
explore = explore[['null', 'max', 'min']]
explore.columns = [u'空值数', u'最大值', u'最小值'] #表头重命名
explore.to_excel(resultfile) #导出结果

三、对于数据的清洗

import pandas as pd
datafile = './air_data.csv'  # 航空原始数据路径
cleanedfile = './data_cleaned.csv'  # 数据清洗后保存的文件路径
#对数据的清洗
def data_cleansing(datafile,cleanedfile):
    # 读取数据
    airline_data = pd.read_csv(datafile,encoding = 'utf-8')
    print('原始数据的形状为：',airline_data.shape)
    # 去除票价为空的记录
    airline_notnull = airline_data.loc[airline_data['SUM_YR_1'].notnull() &
                                       airline_data['SUM_YR_2'].notnull(),:]
    print('删除缺失记录后数据的形状为：',airline_notnull.shape)

    # 只保留票价非零的，或者平均折扣率不为0且总飞行公里数大于0的记录。
    index1 = airline_notnull['SUM_YR_1'] != 0
    index2 = airline_notnull['SUM_YR_2'] != 0
    # 保留平均折扣率不为0且总飞行公里数大于0的记录。
    index3 = (airline_notnull['SEG_KM_SUM']> 0) & (airline_notnull['avg_discount'] != 0)
    index4 = airline_notnull['AGE'] > 100  # 去除年龄大于100的记录
    airline = airline_notnull[(index1 | index2) & index3 & ~index4]
    print('数据清洗后数据的形状为：',airline.shape)
    airline.to_csv(cleanedfile,index=False, encoding='utf_8_sig')  # 保存清洗后的数据
if __name__=='__main__':
    data_cleansing(datafile,cleanedfile)

运行结果：

四、标准化后LRFMC

import pandas as pd
from sklearn.preprocessing import StandardScaler
datafile = './air_data.csv'  # 航空原始数据路径
cleanedfile = './data_cleaned.csv'  # 数据清洗后保存的文件路径
inputfile = '../tmp/zscoreddata.xls' #待聚类的数据文件

def data_extraction(cleanedfile, inputfile):
    data = pd.read_csv(cleanedfile, encoding='utf-8')
    # 入会时间 、观察窗口结束时间  最后一次飞行至结束的时长  飞行次数  飞行里程  折扣系数
    data = data[['FFP_DATE', 'LOAD_TIME', 'LAST_TO_END', 'FLIGHT_COUNT', 'SEG_KM_SUM', 'avg_discount']]
    # print(data)
    # print("data 的shape:", data.shape)
    # print("data columns:", data.columns)
    # L、R、F、M和C五个特征的数据
    # 求取L 会员人会时间距观测窗口结束的月数=观测窗口的结束时间一人会时间[单位:月]
    # 计算结束时间和入会时间的差值
    # L= LOAD_TIME—FFP_DATE/30
    # 转换为时间格式
    date = pd.to_datetime(data['LOAD_TIME']) - pd.to_datetime(data['FFP_DATE'])
    # 取出其天数
    date_list = [tmp.days for tmp in date]
    data["date_list"] = date_list
    data["L"] = data["date_list"] / 30
    ## 求 R 客户最近一次乘坐公司飞机距观测窗口结束的月数=最后一次乘机时间至观察窗口末端时长[单位:月]
    # R= LAST_TO_END/30
    data['R'] = data['LAST_TO_END'] / 30
    # F  客户在观测窗口内乘坐公司飞机的次数=观测窗口的飞行次数[单位:次]
    # F = FLIGHT_COUNT
    data['F'] = data['FLIGHT_COUNT']
    # M 客户在观测时间内在公司累计的飞行里程=观测窗口的总飞行公里数[单位:公里]
    # M= SEG_KM_SUM
    data['M'] = data['SEG_KM_SUM']
    # C 客户在观测时间内乘坐舱位所对应的折扣系数的平均值=平均折扣率[单位:无]
    # C= AVG_DISCOUNT
    data['C'] = data['avg_discount']
    # 只提取5个指标的数据
    data = data.iloc[:, -5:]
    # print(data)
    # 标准化数据
    # 调用标准差标准化
    # def stand_sca(data):
    #     """
    #         标准差标准化    x-u/a
    #         :param data: 数据
    #         :return: 标准化后的数据
    #         """
    #     data=(data-data.mean()/data.std())
    #     return data
    # data = stand_sca(data)
    # print("标准化之后的数据", data)
    # 数据标准化
    # 计算出数据的均值和方差
    data = StandardScaler().fit_transform(data)
    # np.savez('../tmp/airline_scale.npz', data)
    print('标准化后LRFMC五个属性为：\n', data[:5, :])
    # 数据写入
    da = pd.DataFrame(data, columns=['L', 'R', 'F', 'M', 'C'])
    print(da)
    da.to_excel(inputfile, index=False, encoding='utf_8_sig')


if __name__=='__main__':
    data_extraction(cleanedfile, inputfile)

运行结果：

五、客户特征分析雷达图

def show_res(cluster_center):
    '''
    :param center: 聚类中心
    :param data: 5列航空数据
    :return:
    '''
    # 客户分群雷达图
    labels = ['L', 'R', 'F', 'M', 'C']
    legen = ['客户群' + str(i + 1) for i in cluster_center.index]  # 客户群命名，作为雷达图的图例
    lstype = ['-', '--', (0, (3, 5, 1, 5, 1, 5)), ':', '-.']
    kinds = list(cluster_center.iloc[:, 0])
    # 由于雷达图要保证数据闭合，因此再添加L列，并转换为 np.ndarray
    cluster_center = pd.concat([cluster_center, cluster_center[['L']]], axis=1)
    centers = np.array(cluster_center.iloc[:, 0:])

    # 分割圆周长，并让其闭合
    n = len(labels)
    angle = np.linspace(0, 2 * np.pi, n, endpoint=False)
    angle = np.concatenate((angle, [angle[0]]))

    # 绘图
    fig = plt.figure(figsize=(8, 6))
    ax = fig.add_subplot(111, polar=True)  # 以极坐标的形式绘制图形
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    # 画线
    for i in range(len(kinds)):
        ax.plot(angle, centers[i], linestyle=lstype[i], linewidth=2, label=kinds[i])
    # 添加属性标签
    ax.set_thetagrids(angle * 180 / np.pi, labels)
    plt.title('客户特征分析雷达图')
    plt.legend(legen)
    plt.show()
    plt.close

完整代码：

# 处理缺失值与异常值
import numpy as np
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
datafile = './air_data.csv'  # 航空原始数据路径
cleanedfile = './data_cleaned.csv'  # 数据清洗后保存的文件路径
inputfile = './zscoreddata.xls' #待聚类的数据文件
outfile = './zscoreddata_1.xls' #聚类后的数据文件
def data_cleansing(datafile,cleanedfile):
    # 读取数据
    airline_data = pd.read_csv(datafile,encoding = 'utf-8')
    print('原始数据的形状为：',airline_data.shape)

    # 去除票价为空的记录
    airline_notnull = airline_data.loc[airline_data['SUM_YR_1'].notnull() &
                                       airline_data['SUM_YR_2'].notnull(),:]
    print('删除缺失记录后数据的形状为：',airline_notnull.shape)

    # 只保留票价非零的，或者平均折扣率不为0且总飞行公里数大于0的记录。
    index1 = airline_notnull['SUM_YR_1'] != 0
    index2 = airline_notnull['SUM_YR_2'] != 0
    # 保留平均折扣率不为0且总飞行公里数大于0的记录。
    index3 = (airline_notnull['SEG_KM_SUM']> 0) & (airline_notnull['avg_discount'] != 0)
    index4 = airline_notnull['AGE'] > 100  # 去除年龄大于100的记录
    airline = airline_notnull[(index1 | index2) & index3 & ~index4]
    print('数据清洗后数据的形状为：',airline.shape)

    airline.to_csv(cleanedfile,index=False, encoding='utf_8_sig')  # 保存清洗后的数据
def data_extraction(cleanedfile,inputfile):
    data=pd.read_csv(cleanedfile,encoding='utf-8')
    # 入会时间 、观察窗口结束时间  最后一次飞行至结束的时长  飞行次数  飞行里程  折扣系数
    data = data[['FFP_DATE', 'LOAD_TIME', 'LAST_TO_END', 'FLIGHT_COUNT', 'SEG_KM_SUM', 'avg_discount']]
    # print(data)
    # print("data 的shape:", data.shape)
    # print("data columns:", data.columns)
    # L、R、F、M和C五个特征的数据
    # 求取L 会员人会时间距观测窗口结束的月数=观测窗口的结束时间一人会时间[单位:月]
    # 计算结束时间和入会时间的差值
    # L= LOAD_TIME—FFP_DATE/30
    #转换为时间格式
    date=pd.to_datetime(data['LOAD_TIME'])-pd.to_datetime(data['FFP_DATE'])
    # 取出其天数
    date_list = [tmp.days for tmp in date]
    data["date_list"] = date_list
    data["L"] = data["date_list"] / 30
    ## 求 R 客户最近一次乘坐公司飞机距观测窗口结束的月数=最后一次乘机时间至观察窗口末端时长[单位:月]
    # R= LAST_TO_END/30
    data['R']=data['LAST_TO_END']/30
    # F  客户在观测窗口内乘坐公司飞机的次数=观测窗口的飞行次数[单位:次]
    # F = FLIGHT_COUNT
    data['F']=data['FLIGHT_COUNT']
    # M 客户在观测时间内在公司累计的飞行里程=观测窗口的总飞行公里数[单位:公里]
    # M= SEG_KM_SUM
    data['M']=data['SEG_KM_SUM']
    # C 客户在观测时间内乘坐舱位所对应的折扣系数的平均值=平均折扣率[单位:无]
    # C= AVG_DISCOUNT
    data['C']=data['avg_discount']
    # 只提取5个指标的数据
    data=data.iloc[:,-5:]
    # print(data)
    # 标准化数据
    # 调用标准差标准化
    # def stand_sca(data):
    #     """
    #         标准差标准化    x-u/a
    #         :param data: 数据
    #         :return: 标准化后的数据
    #         """
    #     data=(data-data.mean()/data.std())
    #     return data
    # data = stand_sca(data)
    # print("标准化之后的数据", data)
    # 数据标准化
    # 计算出数据的均值和方差
    data = StandardScaler().fit_transform(data)
    # np.savez('../tmp/airline_scale.npz', data)
    print('标准化后LRFMC五个属性为：\n', data[:5, :])
    #数据写入
    da=pd.DataFrame(data,columns=['L', 'R', 'F', 'M', 'C'])
    print(da)
    da.to_excel(inputfile,index=False, encoding='utf_8_sig')

def show_res(cluster_center):
    '''
    :param center: 聚类中心
    :param data: 5列航空数据
    :return:
    '''
    # 客户分群雷达图
    labels = ['L', 'R', 'F', 'M', 'C']
    legen = ['客户群' + str(i + 1) for i in cluster_center.index]  # 客户群命名，作为雷达图的图例
    lstype = ['-', '--', (0, (3, 5, 1, 5, 1, 5)), ':', '-.']
    kinds = list(cluster_center.iloc[:, 0])
    # 由于雷达图要保证数据闭合，因此再添加L列，并转换为 np.ndarray
    cluster_center = pd.concat([cluster_center, cluster_center[['L']]], axis=1)
    centers = np.array(cluster_center.iloc[:, 0:])

    # 分割圆周长，并让其闭合
    n = len(labels)
    angle = np.linspace(0, 2 * np.pi, n, endpoint=False)
    angle = np.concatenate((angle, [angle[0]]))

    # 绘图
    fig = plt.figure(figsize=(8, 6))
    ax = fig.add_subplot(111, polar=True)  # 以极坐标的形式绘制图形
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    # 画线
    for i in range(len(kinds)):
        ax.plot(angle, centers[i], linestyle=lstype[i], linewidth=2, label=kinds[i])
    # 添加属性标签
    ax.set_thetagrids(angle * 180 / np.pi, labels)
    plt.title('客户特征分析雷达图')
    plt.legend(legen)
    plt.show()
    plt.close

if __name__=='__main__':
    data_extraction(cleanedfile,inputfile)
    K=5 #需要聚类的级别数
    #进行K-means聚类
    #确认聚类的类别
    data=pd.read_excel(inputfile,encoding='utf-8',)
    print(data.head())
    # 构建模型，随机种子设为123
    km=KMeans(n_clusters = K,n_jobs=4,random_state=123)
    km.fit(data)    #训练数据
    y_predict = km.predict(data)    #进行预测
    # # #获取聚类中心
    center=km.cluster_centers_
    print('聚类中心为:',center)
    print('预测值:',y_predict)
    kmeans_labels=km.labels_    #样本的类别标签
    print('各个样本的类别标签为:\n',kmeans_labels)
    r1=pd.Series(km.labels_).value_counts() #统计不同类别样本的数目
    print('最终每个类别的数目为:\n',r1)    #输出聚类分群的结果
    # 将聚类中心放在数据框中
    cluster_center=pd.DataFrame(km.cluster_centers_,
                                columns=['L','R','F','M','C'])
    # 将聚类中心放在数据框中
    cluster_center.index=pd.DataFrame(km.labels_).drop_duplicates().iloc[:,0]
    # 将样本类别作为数据框索引
    # print('111111111111111111111111111111111')
    # print(cluster_center)
    # cluster_center.to_excel(outfile,index=False,encoding='utf_8_sig')
    show_res(cluster_center)

运行结果：

不会下雨的～云

关注

5
点赞
踩
22

收藏

觉得还不错? 一键收藏
打赏
1
评论
航空公司客户价值分析

我的这个项目放在百度网盘了，你可以提取。数据表都有。链接：https://pan.baidu.com/s/1il9Uzs7xlcEkssIzeiZpfA提取码：ys9e一、对于数据的抽取#1、数据抽取import pandas as pddatafile = './air_data.csv' # 航空原始数据路径data = pd.read_csv(datafile, encoding = 'utf-8') #读取原始数据，指定UTF-8编码二、数据探索分析#2、数...
复制链接

扫一扫