英国某电商在线零售客户细分_Kaggle项目

前言

这是一个跨国数据集，其中包含在 2010 年 1 月 12 日到 2011 年 9 月 12 日之间发生的英国某电商在线零售的交易数据。
数据量很庞大，在分析思路上可以使用机器学习K-Means 等算法，根据客户在市场上的购买行为来细分客户。

数据来源

https://www.kaggle.com/yasserh/customer-segmentation-dataset
https://archive.ics.uci.edu/ml/datasets/online+retail

数据说明

该数据集共540545行，8列，具体字段信息为：

Syntax	Description
InvoiceNo	发票号码，一个唯一分配给每笔交易的 6 位整数。如果此代码以字母“c”开头，则表示取消
StockCode	股票代码
Description	描述，产品（项目）名称
Quantity	数量
InvoiceDate	发票日期
UnitPrice	单价，以英镑为单位的每单位产品价格
CustomerID	客户ID
Country	国家

问题描述

• 数据的预处理，数据清洗，对数据集探索性分析
• 对基于客户的相似性进行细分，建立RFM人群画像，K-Means 聚类模型
• 调参并比较各种分类算法的评估指标

导入第三方库

import pandas as pd 
import numpy as np 
from pyecharts.charts import *
import pyecharts.options as opts 

import warnings
warnings.filterwarnings('ignore')

数据预处理

## 数据读取
df = pd.read_excel('D:/**/Online Retail.xlsx')

## 缺失值处理
df.dropna(subset=['CustomerID'],inplace=True)

## 时间处理
df['InvoiceDate'] = df['InvoiceDate'].map(lambda x: str(x))

## 国家名称统一化
df.replace({
   'EIRE':'Ireland','USA':'United States','RSA':'South Africa','Czech Republic':'Czech','Channel Islands':'United Kingdom'},
        inplace=True)
        
## 计算每单的价格
df['Amount'] = df['Quantity']*df['UnitPrice']

预处理后的数据预览

df.head