day08課件代碼

01-案例：航空用戶聚類案例.py

"""
目標：
    對用戶進行聚類
    對聚類後的用戶評估其價值
    對不同價值的客戶實行不同營銷策略

客戶價值：
    收入來源於20%的頂端客戶
    90%收入來自於現有客戶
    大量資金被投入拓展用戶上面

瞭解航空公司的現狀
    行業內存在競爭
    行業間存在競爭
    2012-03-31 ---2014-3-31兩年的數據 ---62988樣本，44個特徵

加載數據並進行數據處理
    數據清洗
    # 丟棄票價爲空的數據  ---保留存在票價的數據
    # 丟棄票價爲0，折扣不爲0，飛行里程>0 的數據 ----航空公司沒有盈利的數據
    # 保留盈利的數據---保留票價>0，折扣>0，飛行里程>0
    特徵篩選與特徵構建 ---LRFMC
    數據規約 ---標準化

進行客戶聚類
    (1)實例化算法對象
    (2)訓練數據並構建模型
    (3)預測--將客戶聚爲不同簇

結果展示
    # 雷達圖

根據結果--取劃分不同重要程度的客戶
    #

應用--針對於不同的客戶實行不同的營銷策略
"""
import pandas as pd
import numpy as np

def build_data():
    """
    加載數據
    :return: data
    """
    data = pd.read_csv('./air_data.csv', encoding='ansi')
    return data

def desc_sca(data):
    """
    小數定標標準化
    :param data: df 或者series
    :return: 標準化之後的數據
    """
    # np.floor() --->向下取整
    data = data / (10 ** int(np.ceil(np.log10(data.abs().max()))))

    return data

def deal_data(data):
    """
    數據處理
    :param data: 需要的數據
    :return: 數據處理之後的data
    """
    # 數據清洗
    # （1）丟棄票價爲空的數據
    # ---保留存在票價的數據 -- SUM_YR_1  SUM_YR_2
    # 個人認爲 ：SUM_YR_1  SUM_YR_2 同時不爲空的情況下，票價纔不爲空
    bool_index_1 = data.loc[:, 'SUM_YR_1'].notnull()
    bool_index_2 = data.loc[:, 'SUM_YR_2'].notnull()
    # 同時滿足
    bool_index = bool_index_1 & bool_index_2
    # 篩選數據
    data = data.loc[bool_index, :]
    # （2）丟棄票價爲0，折扣不爲0，飛行里程>0 的數據 ----航空公司沒有盈利的數據
    # 保留盈利的數據---保留票價>0，折扣>0，飛行里程>0
    # 個人認爲：SUM_YR_1  SUM_YR_2 只要有一個 > 0 ，就認爲票價>0
    bool_id_1 = data.loc[:, 'SUM_YR_1'] > 0
    bool_id_2 = data.loc[:, 'SUM_YR_2'] > 0

    # 折扣係數 > 0
    bool_id_3 = data.loc[:, 'avg_discount'] > 0

    # 飛行里程 > 0
    bool_id_4 = data.loc[:, 'SEG_KM_SUM'] > 0

    #
    bool_id = (bool_id_1 | bool_id_2) & bool_id_3 & bool_id_4

    # 篩選滿足條件的數據
    data = data.loc[bool_id, :]

    # print('清洗之後的數據：\n', data)

    # 篩選特徵 --並構建特徵 ----LRFMC
    # FFP_DATE --入會時間
    # LOAD_TIME --窗口結束時間
    # LAST_TO_END --最後一次乘機時間距窗口結束的時長
    # FLIGHT_COUNT --飛行次數
    # SEG_KM_SUM --飛行里程
    # avg_discount ---折扣係數
    data = data.loc[:, ['FFP_DATE', 'LOAD_TIME', 'LAST_TO_END', 'FLIGHT_COUNT', 'SEG_KM_SUM', 'avg_discount']]

    # print('篩選結束之後的結果：\n',data)

    # 構建特徵---LRFMC
    # 構建L
    # 將 FFP_DATE、LOAD_TIME轉化爲pandas默認支持的時間序列
    data.loc[:, 'FFP_DATE'] = pd.to_datetime(data.loc[:, 'FFP_DATE'])
    data.loc[:, 'LOAD_TIME'] = pd.to_datetime(data.loc[:, 'LOAD_TIME'])

    # 結束 - 入會
    data.loc[:, 'L_days'] = data.loc[:, 'LOAD_TIME'] - data.loc[:, 'FFP_DATE']

    data.loc[:, 'L'] = [tmp.days / 30 for tmp in data.loc[:, 'L_days']]

    # print(data.loc[:, 'L'])
    # 構建R
    data.loc[:, 'R'] = data.loc[:, 'LAST_TO_END'] / 30
    # print(data.loc[:, 'R'])

    # 構建F
    data.loc[:, 'F'] = data.loc[:, 'FLIGHT_COUNT']

    # 構建M
    data.loc[:, 'M'] = data.loc[:, 'SEG_KM_SUM']

    # 構建C
    data.loc[:, 'C'] = data.loc[:, 'avg_discount']

    # 篩選出最終的特徵
    data = data.loc[:, ['L', 'R', 'F', 'M', 'C']]

    # 標準化數據
    # 小數定標標準化
    for column in data.columns:
        data.loc[:, column] = desc_sca(data.loc[:, column])
    # print('構建好特徵之後的結果：\n', data)

    return data


def main():
    """
    主函數
    :return:
    """
    # 加載數據
    data = build_data()
    print('data:\n', data)
    print('data 的列索引：\n', data.columns)
    print('*' * 100)

    # 數據處理
    data = deal_data(data)
    print('data:\n', data)

    # 聚類

    # 結果展示


if __name__ == '__main__':
    main()