Python數據分析與挖掘實戰Chapter7 航空公司客戶價值分析

1.數據探索

#-*- coding: utf-8 -*-
#對數據進行基本的探索，返回缺失值以及最大值，最小值
import pandas as pd 
datafile='G:/學習資料/統計/chapter7/demo/data/air_data.csv'
resultfile1='G:/學習資料/統計/chapter7/demo/tmp/explore1.xls'
#將數據導入
data = pd.read_csv(datafile,encoding='utf-8')
#查看數據的各個屬性的相關信息
data.info()
#將每個屬性的描述性統計量展示
explore=data.describe(percentiles=[],include='all').T
#計算屬性對應的空值個數
explore['null']=len(data)-explore['count']
#選取部分探索內容
explore = explore[['null','max','min']]
#屬性列名的重命名
explore.columns = [u'空值記錄數',u'最大值',u'最小值']
#對索引命名
explore.index.name=u'屬性名稱'
#將探索的結果保存到excel文件
explore.to_excel(resultfile1,header=True)

2.數據清洗

#-*- coding：utf-8 -*-
#數據清洗，過濾掉不符合規則的數據
import pandas as pd
datafile='G:/學習資料/統計/chapter7/demo/data/air_data.csv'
cleanedfile1='G:/學習資料/統計/chapter7/demo/tmp/data_cleaned1.csv'
data=pd.read_csv(datafile, encoding='utf-8')#讀取原始數據，指定UTF-8編碼
data=data[data['SUM_YR_1'].notnull()*data['SUM_YR_2'].notnull()] #票價非空值才保留
#只保留票價非零，或者平均折扣率與總飛行公里數同時爲0的記錄
index1=data['SUM_YR_1']!=0
index2=data['SUM_YR_2']!=0
index3=(data['SEG_KM_SUM']==0)&(data['avg_discount']==0) #“與”
data=data[index1|index2|index3] #“或”
data.to_csv(cleanedfile1)
                 

報錯：UserWarning: evaluating in Python space because the '*' operator is not supported by numexpr for the bool dtype, use '&' instead

解決：將“*”替換爲“&”即可。

報錯：如果最後一行像書中一樣是data.to_excel()，會出現ValueError: No engine for filetype: 'csv'

解決：改爲data.to_csv()

3.數據變化

import numpy as np
import pandas as pd
inputfile='G:/學習資料/統計/chapter7/demo/tmp/data_cleaned1.csv'
outputfile='G:/學習資料/統計/chapter7/demo/tmp/transform_data.csv'
data=pd.read_csv(inputfile,encoding='utf-8')
data = data[['LOAD_TIME', 'FFP_DATE', 'LAST_TO_END', 'FLIGHT_COUNT', 'SEG_KM_SUM', 'avg_discount']]
#data['L']=pd.datetime(data['LOAD_TIME'])-pd.datetime(data['FFP_DATE'])
#data['L']=int(((parse(data['LOAD_TIME'])-parse(data['FFP_ADTE'])).days)/30)

d_ffp = pd.to_datetime(data['FFP_DATE'])
d_load = pd.to_datetime(data['LOAD_TIME'])
res = d_load - d_ffp
data['L'] = res.map(lambda x: x / np.timedelta64(30 * 24 * 60, 'm'))

data['R'] = data['LAST_TO_END']
data['F'] = data['FLIGHT_COUNT']
data['M'] = data['SEG_KM_SUM']
data['C'] = data['avg_discount']
data = data[['L', 'R', 'F', 'M', 'C']]
data.to_csv(outputfile)
print('finish')

引用鏈接：https://www.cnblogs.com/caicaihong/p/5853727.html

這段我有好多看不懂

結果：

	L	R	F	M	C
0	90.2	1	210	580717	0.961639043
1	86.56666667	7	140	293678	1.25231444
2	87.16666667	11	135	283712	1.254675516
3	68.23333333	97	23	281336	1.090869565
4	60.53333333	5	152	309928	0.970657895
5	74.7	79	92	294585	0.967692483
6	97.7	1	101	287042	0.965346535
7	48.4	3	73	287230	0.962070222

 

4.標準差標準化

#-*- coding: utf-8 -*-
#標準差標準化
import pandas as pd
datafile='G:/學習資料/統計/chapter7/demo/data/zscoredata.xls'
zscoredfile1='G:/學習資料/統計/chapter7/demo/tmp/zscoreddata1.xls'
#標準化處理
data=pd.read_excel(datafile)
data=(data-data.mean(axis=0))/(data.std(axis=0))
data.columns=['Z'+i for i in data.columns] #表頭重命名
data.to_excel(zscoredfile1, index=False) #數據寫入

5.客戶聚類

# -*- coding:utf-8 -*-
#導入相關包
import pandas as pd
from sklearn.cluster import KMeans

#初始化數據文件路徑
datafile='G:/學習資料/統計/chapter7/demo/tmp/zscoreddata1.xls'

#讀出數據
k = 5 #設置類別個數5
data = pd.read_excel(datafile)


#創建聚類模型對象
model = KMeans(n_clusters=k)
model.fit(data)  #訓練模型

#輸出模型的聚類中心，查看各樣本的類別
print('model.cluster_centers_:',model.cluster_centers_)
print('model.labels_:',model.labels_)

輸出：

model.cluster_centers_: [[ 0.05149901 -0.00271409 -0.23091725 -0.23512403  2.1772287 ]
 [-0.3140856   1.6865205  -0.57387353 -0.5366343  -0.17248573]
 [ 0.48328124 -0.79944829  2.48261709  2.42380768  0.30918674]
 [ 1.16070557 -0.3773381  -0.08693346 -0.09487644 -0.15850472]
 [-0.70061986 -0.41524869 -0.16070751 -0.16048066 -0.25656109]]
model.labels_: [3 3 3 ... 3 3 3]
 

放到excel中，做成雷達圖