这个专栏用来记录我在学习和实践《Python数据分析与挖掘实战》一书时的一些知识点总结和代码实现。
文章目录
背景和目标数据客户基本信息乘机信息积分信息 脚本data_explore.pydata_clean.pyzscore_data.pyKMeans_cluster.pycluster_plot.py 分析方法和过程方法流程模型解释模型应用拓展背景和目标
通过客户分类,区分无价值客户、高价值客户,从而针对不同人群制定优化的个性化服务方案,采取不同的营销策略,将有限营销资源集中于高价值客户,实现企业利润的最大化目标。
准确的客户分类结果是企业优化营销资源的重要依据,客户分类越来越成为客户关系管理中急需解决的问题之一。
主要分为以下几个步骤:
1)借助航空公司客户数据,对客户进行分类
2)对不同的客户类别进行特征分析,比较不同类客户的客户价值
3)对不同价值的客户类别提供个性化服务,指定相应的营销策略
数据
客户基本信息
乘机信息
积分信息
脚本
data_explore.py
#-*- coding: utf-8 -*-# 对数据进行基本的探索# 返回缺失值个数以及最大最小值import pandas as pddatafile = ../data/air_data.csv # 航空原始数据,第一行为属性标签resultfile = ../tmp/explore.xls # 数据探索结果表# 读取原始数据,指定UTF-8编码(需要用文本编辑器将数据装换为UTF-8编码)data = pd.read_csv(datafile, encoding=utf-8)# 包括对数据的基本描述,percentiles参数是指定计算多少的分位数表(如1/4分位数、中位数等);T是转置,转置后更方便查阅explore = data.describe(percentiles=[], include=all).T# print(explore)# describe()函数自动计算非空值数,需要手动计算空值数explore[
ull] = len(data) - explore[count]explore = explore[[
ull, max, min]]explore.columns = [u空值数, u最大值, u最小值] #