飞机客户数据分析预测

标签：数据分析 飞机 plt 客户 会员 airline pd import data

代码一：读取数据

import pandas as pd
datafile='E:\\code\\PythonCode\\datas\\air_data.csv'
resultfile='E:\\code\\PythonCode\\datas\\explore.csv'

data = pd.read_csv(datafile,encoding = 'utf-8')

explore = data.describe(percentiles = [],include = 'all').T
explore['null'] = len(data)-explore['count']

explore = explore[['null','max','min']]
explore.columns = [u'空值数',u'最大值',u'最小值']

explore.to_csv(resultfile)
print(explore)

 

 

 代码二：分析数据并绘制基本图像

from datetime import datetime
import matplotlib.pyplot as plt
ffp=data['FFP_DATE'].apply(lambda x:datetime.strptime(x,'%Y/%m/%d'))
ffp_year=ffp.map(lambda x:x.year)

#绘制各年份会员入会人数直方图
fig=plt.figure(figsize=(8,5))
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']='False'
plt.hist(ffp_year,bins='auto',color='#0504aa')
plt.xlabel('年份')
plt.ylabel('入会人数')
plt.title('各年份会员入会人数(3135)',fontsize=15)
plt.show()
plt.close

#提取会员不同性别人数
male=pd.value_counts(data['GENDER'])['男']
female=pd.value_counts(data['GENDER'])['女']
#绘制会员性别比例饼图
fig=plt.figure(figsize=(10,6))
plt.pie([male,female],labels=['男','女'],colors=['lightskyblue','lightcoral'],autopct='%1.1f%%')
plt.title('会员性别比例(3135)',fontsize=15)
plt.show()
plt.close()

#提取不同级别会员人数
lv_four=pd.value_counts(data['FFP_TIER'])[4]
lv_five=pd.value_counts(data['FFP_TIER'])[5]
lv_six=pd.value_counts(data['FFP_TIER'])[6]
#绘制会员各级别人数条形图
fig=plt.figure(figsize=(8,5))
plt.bar(x=range(3),height=[lv_four,lv_five,lv_six],width=0.4,alpha=0.8,color='skyblue')
plt.xticks([index for index in range(3)],['4','5','6'])
plt.xlabel('会员等级')
plt.ylabel('会员人数')
plt.title('会员各级别人数（3135）',fontsize=15)
plt.show()
plt.close

#提取会员年龄
age=data['AGE'].dropna()
age=age.astype('int64')
#绘制会员年龄分布箱型图
fig=plt.figure(figsize=(5,10))
plt.boxplot(age,
patch_artist=True,
labels=['会员年龄'],
boxprops={'facecolor':'lightblue'})
plt.title('会员年龄分布箱型图(3135)',fontsize=15)
plt.grid(axis='y')
plt.show()
plt.close()

 

 

 

 

 

 

 

 

 

 

 

 代码三：客户乘机数据分析箱型图

lte=data['LAST_TO_END']
fc=data['FLIGHT_COUNT']
sks=data['SEG_KM_SUM']
#绘制最后乘机至结束时长箱型图
fig=plt.figure(figsize=(5,8))

plt.boxplot(lte,
patch_artist=True,
labels=['时长'],
boxprops={'facecolor':'lightblue'})
plt.title('会员最后乘机至结束时长分布箱型图（3111）',fontsize=15)

plt.grid(axis='y')
plt.show()
plt.close

#绘制客户飞行次数箱型图
fig=plt.figure(figsize=(5,8))
plt.boxplot(fc,
patch_artist=True,
labels=['飞行次数'],
boxprops={'facecolor':'lightblue'})

plt.title('会员飞行次数分布箱型图（3111）',fontsize=15)

plt.grid(axis='y')
plt.show()
plt.close

#绘制客户总飞行公里数箱型图
fig=plt.figure(figsize=(5,10))
plt.boxplot(sks,
patch_artist=True,
labels=['总飞行公里数'],
boxprops={'facecolor':'lightblue'})

plt.title('客户总飞行公里数箱型图（3111）',fontsize=15)

plt.grid(axis='y')
plt.show()
plt.close

 

 

 

 

 

 

 

 

 代码四：会员积分数据分析直方图

#积分信息类别
#提取会员积分兑换次数
ec=data['EXCHANGE_COUNT']
#绘制会员兑换积分次数直方图
fig=plt.figure(figsize=(8,5))
plt.hist(ec,bins=5,color='#0504aa')
plt.xlabel('兑换次数')
plt.ylabel('会员人数')
plt.title('会员兑换积分次数直方图(3111)',fontsize=15)
plt.show()
plt.close

#提取会员总累计积分
ps=data['Points_Sum']
#绘制会员总累计积分箱型图
fig=plt.figure(figsize=(5,8))
plt.boxplot(ps,
patch_artist=True,
labels=['总累计积分'],
boxprops={'facecolor':'lightblue'})
plt.title('客户总累计积分箱型图(3111)',fontsize=15)
plt.grid(axis='y')
plt.show()
plt.close

 

 

 

 

 

 代码五：相关矩阵及热力图

#提取属性并合并为新数据集
data_corr=data[['FFP_TIER','FLIGHT_COUNT','LAST_TO_END','SEG_KM_SUM','EXCHANGE_COUNT','Points_Sum']]
age1=data['AGE'].fillna(0)
data_corr['AGE']=age1.astype('int64')
data_corr['ffp_year']=ffp_year

#计算相关性矩阵
dt_corr=data_corr.corr(method='pearson')
print('相关性矩阵为：\n',dt_corr)

#绘制热力图
import seaborn as sns
plt.subplots(figsize=(10,10))
sns.heatmap(dt_corr,annot=True,vmax=1,square=True,cmap='Blues')
plt.show()
plt.close

 

 

 

 

 

 

 

代码六：进行数据清洗

import numpy as np
import pandas as pd

datafile ='E:\\code\\PythonCode\\datas\\air_data.csv'
cleanedfile='E:\\code\\PythonCode\\datas\\data_cleaned.csv'

#读取数据
airline_data=pd.read_csv(datafile,encoding='utf-8')
print('原始数据的形状为：',airline_data.shape)

#去除票价为空的记录
airline_notnull=airline_data.loc[airline_data['SUM_YR_1'].notnull()&airline_data['SUM_YR_2'].notnull(),:]
print('删除缺失记录后数据的形状为：',airline_notnull.shape)

#只保留票价非零的，或者平均折扣率不为0且总飞行公里数大于0的记录
index1=airline_notnull['SUM_YR_1']!=0
index2=airline_notnull['SUM_YR_2']!=0
index3=(airline_notnull['SEG_KM_SUM']>0)&(airline_notnull['avg_discount']!=0)
index4=airline_notnull['AGE']>100#去除年龄大于100的记录
airline=airline_notnull[(index1|index2)&index3&~index4]
print('数据清洗后数据的形状为：',airline.shape)
airline.to_csv(cleanedfile)

 

 代码七：属性选择

import pandas as pd
import numpy as np

#读取数据清洗后的数据
cleanedfile='E:\\code\\PythonCode\\datas\\data_cleaned.csv'
airline=pd.read_csv(cleanedfile,encoding='utf-8')
#选取需求属性
airline_selection=airline[['FFP_DATE','LOAD_TIME','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
print('筛选的属性前5行为：\n',airline_selection.head())

 

 代码八：属性构造与数据标准化

# 构造属性L
L = pd.to_datetime(airline_selection['LOAD_TIME']) -  pd.to_datetime(airline_selection['FFP_DATE'])
L = L.astype('str').str.split().str[0]
L = L.astype('int')/30

# 合并属性
airline_features = pd.concat([L,airline_selection.iloc[:,2:]],axis=1)
print('构建的LRFMC属性前5行为：\n', airline_features.head())

# 数据标准化
from sklearn.preprocessing import StandardScaler
data = StandardScaler().fit_transform(airline_features)
np.savez("E:\\code\\PythonCode\\datas\\airline_scale.npz", data)
print('标准化后LRFMC 5个属性为：\n', data[:5,:])

 

 

代码九：K-Meas聚类标准化后的数据

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans #导入K-Mmeans算法

#读取标准化后的数据
airline_scale = np.load("E:\\code\\PythonCode\\datas\\airline_scale.npz")['arr_0']
k = 5 #确定聚类中心数

#构建模型，随机种子设为123
kmeans_model = KMeans(n_clusters=k,random_state=123)
fit_kmeans = kmeans_model.fit(airline_scale) #模型训练

#查看聚类结果
kmeans_cc = kmeans_model.cluster_centers_ #聚类中心
print('各聚类中心为：\n',kmeans_cc)
kmeans_labels = kmeans_model.labels_ #样本的类别标签
print('各样本的类别标签为：\n',kmeans_labels)
r1 = pd.Series(kmeans_model.labels_).value_counts() #统计不同类别样本的数目
print('最终每个类别的数目为：\n',r1)
#输出聚类分群的结果
cluster_center = pd.DataFrame(kmeans_model.cluster_centers_,\
                             columns = ['ZL','ZR','ZF','ZM','ZC']) #将聚类中心放在数据中
cluster_center.index = pd.DataFrame(kmeans_model.labels_).\
                             drop_duplicates().iloc[:,0] #将样本类别作为数据框索引
print(cluster_center)

 

 

代码十：绘制客户分群雷达图

# 代码7-10 绘制客户分群雷达图
%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans #导入K-Mmeans算法
# 客户分群雷达图
labels = ['ZL','ZR','ZF','ZM','ZC']
legen = ['客户群' + str(i + 1) for i in cluster_center.index] # 客户群命名
lstype = ['-', '--', (0, (3,5,1,5,1,5)), ':', '-.']
kinds = list(cluster_center.iloc[:, 0])
# 由于雷达图要保证数据闭合，因此再添加L列，并转换为np.ndarray
cluster_center = pd.concat([cluster_center, cluster_center[['ZL']]], axis=1)
centers = np.array(cluster_center.iloc[:, 0:])

# 分割圆周长，并让其闭合
n = len(labels)
angle = np.linspace(0, 2*np.pi, n, endpoint=False)
angle = np.concatenate((angle, [angle[0]]))

#绘图
fig = plt.figure(figsize=(8,6))
ax = fig.add_subplot(111,polar=True) #以极坐标的形式绘制图形
plt.rcParams['font.sans-serif'] = 'SimHei' #设置中文显示
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
#画线
for i in range(len(kinds)):
    ax.plot(angle,centers[i],linestyle=lstype[i],linewidth=2,label=kinds[i])
#添加属性标签
ax.set_thetagrids(angle * 180 / np.pi,labels)
plt.title('客户特征分析雷达图（学号3111）')
plt.legend(legen)
plt.show()
plt.close

 

 

标签：数据分析,飞机,plt,客户,会员,airline,pd,import,data
From： https://www.cnblogs.com/2479308859qq/p/17213312.html