Kaggle数据集之电信客户流失数据分析

最新推荐文章于 2023-09-30 11:30:00 发布

weixin_BeefpasteC

最新推荐文章于 2023-09-30 11:30:00 发布

阅读量1.7k

点赞数 1

本文链接：https://blog.csdn.net/weixin_51463905/article/details/118610958

版权

本文基于Kaggle的电信客户数据，通过数据清洗、数据一致化，探讨流失用户特征。发现用户流失与性别、年龄、合同类型、消费习惯等因素相关，通过计算整体流失率并分析各个指标，为预防用户流失提供依据。

摘要由CSDN通过智能技术生成

分析背景

某电信公司市场部为了预防用户流失，收集了已经打好流失标签的用户数据。现在要对流失用户情况进行分析，找出哪些用户可能会流失？

理解数据

采集数据

本数据集描述了电信用户是否流失以及其相关信息，共包含7043条数据，共21个字段，分别介绍如下：

customerID ：用户ID。
gender：性别。（Female & Male）
SeniorCitizen ：老年用户（1表示是，0表示不是）
Partner ：伴侣用户（Yes or No）
Dependents ：亲属用户（Yes or No）
tenure ：在网时长（0-72月）
PhoneService ：是否开通电话服务业务（Yes or No）
MultipleLines：是否开通了多线业务（Yes 、No or No phoneservice 三种）
InternetService：是否开通互联网服务（No, DSL数字网络，fiber optic光纤网络三种）
OnlineSecurity：是否开通网络安全服务（Yes，No，No internetserive 三种）
OnlineBackup：是否开通在线备份业务（Yes，No，No internetserive 三种）
DeviceProtection：是否开通了设备保护业务（Yes，No，No internetserive 三种）
TechSupport：是否开通了技术支持服务（Yes，No，No internetserive 三种）
StreamingTV：是否开通网络电视（Yes，No，No internetserive 三种）
StreamingMovies：是否开通网络电影（Yes，No，No internetserive 三种）
Contract：签订合同方式（按月，一年，两年）
PaperlessBilling：是否开通电子账单（Yes or No）
PaymentMethod：付款方式（bank transfer，credit card，electronic check，mailed check）
MonthlyCharges：月费用
TotalCharges：总费用
Churn：该用户是否流失（Yes or No）

导入数据

    import pandas as pd
    df=pd.read_csv(r"D:\PycharmProjects\ku_pandas\WA_Fn-UseC_-Telco-Customer-Churn.csv")
    df.head(5) #显示数据前n行，不指定n，df.head则会显示所有的行
[/code]

|  customerID  |  gender  |  SeniorCitizen  |  Partner  |  Dependents  |
tenure  |  PhoneService  |  MultipleLines  |  InternetService  |
OnlineSecurity  |  ...  |  DeviceProtection  |  TechSupport  |  StreamingTV  |
StreamingMovies  |  Contract  |  PaperlessBilling  |  PaymentMethod  |
MonthlyCharges  |  TotalCharges  |  Churn  
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---  
0  |  7590-VHVEG  |  Female  |  0  |  Yes  |  No  |  1  |  No  |  No phone
service  |  DSL  |  No  |  ...  |  No  |  No  |  No  |  No  |  Month-to-month
|  Yes  |  Electronic check  |  29.85  |  29.85  |  No  
1  |  5575-GNVDE  |  Male  |  0  |  No  |  No  |  34  |  Yes  |  No  |  DSL  |
Yes  |  ...  |  Yes  |  No  |  No  |  No  |  One year  |  No  |  Mailed check
|  56.95  |  1889.5  |  No  
2  |  3668-QPYBK  |  Male  |  0  |  No  |  No  |  2  |  Yes  |  No  |  DSL  |
Yes  |  ...  |  No  |  No  |  No  |  No  |  Month-to-month  |  Yes  |  Mailed
check  |  53.85  |  108.15  |  Yes  
3  |  7795-CFOCW  |  Male  |  0  |  No  |  No  |  45  |  No  |  No phone
service  |  DSL  |  Yes  |  ...  |  Yes  |  Yes  |  No  |  No  |  One year  |
No  |  Bank transfer (automatic)  |  42.30  |  1840.75  |  No  
4  |  9237-HQITU  |  Female  |  0  |  No  |  No  |  2  |  Yes  |  No  |  Fiber
optic  |  No  |  ...  |  No  |  No  |  No  |  No  |  Month-to-month  |  Yes  |
Electronic check  |  70.70  |  151.65  |  Yes  
  
5 rows × 21 columns

##  查看数据

```code
    df.shape #显示数据的格式
[/code]

```code
    (7043, 21)

    df.dtypes #输出每一列对应的数据类型
[/code]

```code
    customerID           object
    gender               object
    SeniorCitizen         int64
    Partner              object
    Dependents           object
    tenure                int64
    PhoneService         object
    MultipleLines