python 数据分析 电信_基于Python的电信客户流失分析和预测

一、项目背景

电信服务是生活中常见的消费服务，在现代社会，凡是使用手机打电话，或者在家看电视，都必须通过电信运营商提供的通话、网络等服务才能实现。本文采用来自kaggle平台的电信客户数据集，来分析人们对电信服务的使用情况，以及帮助电信运营商找出客户流失的原因，并建立流失预测模型，从而降低客户流失率。数据集链接如下：https://www.kaggle.com/blastchar/telco-customer-churn​www.kaggle.com

分析工具：本项目主要使用pandas, matplotlib, seaborn, sklearn等Python数据分析库，并在Jupyter Lab环境下运行。为了节省篇幅，本文不展示详细代码，仅展示关键步骤的代码。

项目流程如下：

二、业务流程+分析目的

根据kaggle上的数据集介绍，该数据集共有21个字段，7043条记录。每条记录表示一个客户。

通过理解字段，将字段分为4类，包括客户的基本信息、开通的服务信息、付费信息以及流失标签。基本信息包括性别、年龄（以是否老年人来区分）、是否有合伙伙伴（可以理解为工作伙伴或者朋友之类的）以及家属。观察服务信息，可以分为两类基本服务：电话+网络服务，这两类基本服务又有各自的增值服务，如：多线电话、网络安全、在线备份等。此外还有支付方式、消费金额等付费信息。

虽然字段不多，但我们可以将这些字段提炼成一个业务流程，或者说一个“故事”，并依据业务流程提出问题，这是数据分析中基础而又核心的思维。

业务流程

根据业务流程，我们提出分析目的：

分析目的

1、构建客户画像，深入了解客户了解客户的性别、年龄等特征是如何分布的？

这些客户会选择什么类型的服务，合同期限以及支付方式？

不同类型的客户，他们消费能力有什么区别？

2、分析客户流失的原因，并建立客户流失预警模型哪些特征与客户是否流失息息相关？如何避免客户流失？

提出业务建议

三、数据清洗

导入数据

# 导入数据

df = pd.read_csv('datasets_13996_18858_WA_Fn-UseC_-Telco-Customer-Churn.csv')

df.info()

# 输出

RangeIndex: 7043 entries, 0 to 7042

Data columns (total 21 columns):

customerID 7043 non-null object

gender 7043 non-null object

SeniorCitizen 7043 non-null int64

Partner 7043 non-null object

Dependents 7043 non-null object

tenure 7043 non-null int64

PhoneService 7043 non-null object

MultipleLines 7043 non-null object

InternetService 7043 non-null object

OnlineSecurity 7043 non-null object

OnlineBackup 7043 non-null object

DeviceProtection 7043 non-null object

TechSupport 7043 non-null object

StreamingTV 7043 non-null object

StreamingMovies 7043 non-null object

Contract 7043 non-null object

PaperlessBilling 7043 non-null object

PaymentMethod 7043 non-null object

MonthlyCharges 7043 non-null float64

TotalCharges 7043 non-null object

Churn 7043 non-null object

dtypes: float64(1), int64(2), object(18)

memory usage: 1.1+ MB

导入数据后，发现这个数据集十分工整，乍一看似乎没有缺失值，但仔细查看会发现，TotalCharges总消费金额这一列，本应该和MonthlyCharges一样是float类型，但现在是object类型，说明有部分记录被pandas识别为字符串了。

df['TotalCharges'].value_counts()

# 输出

20.2 11

11

19.75 9

19.9 8

20.05 8

..

2431.95 1

1325.85 1

188.1 1

3058.15 1

191.35 1

Name: TotalCharges, Length: 6531, dtype: int64

可以看到，有11行记录是空白字符串，pandas没有将其识别为缺失值，我们将其替换为空值。

# 处理TotalCharges

df['TotalCharges'].replace(' ', np.nan, inplace=True)

df['TotalCharges'] = df['TotalCharges'].astype('float')

缺失值处理

# 缺失值处理

mis_val_df = df[df['TotalCharges'].isnull()]

mis_val_df.loc[:, ['tenure','MonthlyCharges','TotalCharges']]

观察这11个客户，发现有且只有他们的注册月数为0，由此猜测这部分客户由于是新注册用户，注册月数在1个月之内，所以导致TotalCharges没有记录，我们将其补充各自对应的MonthlyCharges。

df['TotalCharges'].fillna(df['MonthlyCharges'], inplace=True)

重复值处理

# 重复值处理

df.duplicated().sum()

# 输出

0

本数据集没有重复值。

异常值处理

# 异常值处理，查看描述性统计

df.describe([0.01,0.2