Python数据挖掘-航空公司客户价值分析

航空公司客户价值分析
目标：企业针对不同价值的客户制定个性化的服务，将有限的资源集中于高价值客户。
1、借助航空公司的数据进行客户分类
2、比较不同类客户的价值并制定销策略

识别客户价值的最广泛的模型是通过RFM模型来识别出高价值的客户：
Recency： 最近消费时间间隔
Frequency： 消费频率
Monetary： 消费金额
问题：同样的消费金额的不同旅客对航空公司的价值不同，例如买长航线、低等仓的旅客和买短航线、高等仓的旅客消费金额相同
但是价值确实不同的。显然后者更有价值。因此这个指标可能不合适，故选择客户在一定时间内的飞行里程M和乘坐舱位所对应的折扣洗漱C。

航空公司客户价值分析模型：
L：会员入会时间距观测窗口结束的时间
R：客户最近一次乘坐公司分级距观测窗口结束的时间（月数）
F：客户在观测窗口内乘坐公司飞机的次数
M：客户在观测窗口内累计的飞行里程
C：客户在观测窗口内乘坐舱位所对应的折扣系数的平均值
模型概述：
通过使用k-means聚类算法没使用LRFMC模型进行测试
对模型进行分析，分析客户的价值

import pandas as pd

datafile = 'data/air_data.csv'
resultfile = 'data/tmp.xls' 
data = pd.read_csv(datafile, encoding='utf-8')

explore = data.describe().T 
explore['null'] = len(data) - explore['count'] #计算空值


explore = explore[['null', 'max', 'min']]  #得到每一列的空值，最大值，最小值


explore.to_excel(resultfile) # 是结果写入文件

根据上面的数据统计，丢弃所有不符合的数据，
1、票价为空的
2、票价为0，但是折扣不是0，而且飞行里程大于0，
这样的数据是错误数据，直接删除。

data = pd.read_csv(datafile, encoding=