Hotel booking demand 酒店预订需求分析

数据集下载地址：
https://www.kaggle.com/jessemostipak/hotel-booking-demand

数据集为葡萄牙的一家城市酒店和一家度假酒店酒店预订数据。数据的时间跨度从2015年7月1日至2017年8月31日。

该数据集同时包含城市酒店和度假酒店的预订信息，包括预订时间、停留时间，成人/儿童/婴儿人数以及可用停车位数量等信息。

适用场景：社会科学、旅行、酒店、用户行为，不具有明显的行业标识，可进行常规用户行为分析。

数据量：32列共12W数据量。

可以定义的问题：

1)基本情况：城市酒店和假日酒店预订需求和入住率比较；
2)用户行为：提前预订时长、入住时长、预订间隔、餐食预订情况；
3)一年中最佳预订酒店时间；
4)利用Logistic预测酒店预订。

部分列含义说明：

hotel : 酒店名称， city hotel 66% , Reort hotel 34%
is_canceled : 01取值；1：取消预订，0：未取消预订
lead_time : 预订输入日期到到达日期之间经过的天数
arrival_date_year : 入住年份
arrival_date_month：入住月份
arrival_date_week_number
arrival_date_day_of_month
stays_in_weekend_nights：入住或预订入住酒店的周末住宿数（周六或周日）	
stays_in_week_nights：工作日停留天数
adults: 成人人数
children: 儿童人数
babies
meal：预订的膳食类型
country ：国家
market_segment：细分市场名称
distribution_channel：预订方式：旅行社，直接预定，公司统一预订
is_repeated_guest：回头客？1(是）：0（否）
previous_cancellations：客户在当前预订之前取消的先前预订数
previous_bookings_not_canceled
reserved_room_type
assigned_room_type
booking_changes
deposit_type:说明客户是否为保证预订而存款。
agent：代理商
company
days_in_waiting_list :在与客户确认预订之前，预订在等候列表中的天数	
customer_type
adr ：通过将所有住宿交易的总和除以住宿日来定义的每日平均费率（就是每天的平均花费）
required_car_parking_spaces： 客户要求的停车位数量
total_of_special_requests：客户提出的特殊要求数量（例如双床或高楼层）
reservation_status：预订最后状态，已取消 （cancel） 客户取消预订;退房（check-out）
reservation_status_date

数据挖掘步骤

1、确定要发现的目标
2、数据采集
3、数据探索
4、数据预处理
5、数据挖掘（模型选择）
6、模式评估

1、确定目标

预测用户是否会取消预订

2、数据探索

这一步主要包括数据特征的基本统计描述、数据特征间的相似/相异性等。可以采用可视化将数据特征展示出来。

#导入数据集
import pandas as pd
hotel_data = pd.read_csv('./hotel_bookings.csv')
hotel_data.shape

(119390, 32)

#查看前5行
hotel_data.head()

变量分析:哪些是输出变量？哪些是输入

这里显然 is_canceled是作为分类结果

hotel_data.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-