数据集来源：
Telco Customer Churn | KaggleFocused customer retention programs/datasets/blastchar/telco-customer-churn下载得到一个excel文件WA_Fn-UseC_-Telco-Customer-Churn.csv，打开excel看一下
有21列，7000+行，这个数据量不大，用sql可以做
熟悉一下表格内容，看一下每列的数据类型，有没有明显异常的列，比如很多的0，或者有负数或者格子为空没有数据的情况。
（我粗粗拉了下表，没感到有明显异常的列）
这个案例用到的sql语句和tableau操作都是最基础的
首先是SQL部分，对数据进行一个简单的处理：
首先是建库建表：
#创建数据库DROP DATABASE IF EXISTS Telco_Customer_Churn;CREATE DATABASE Telco_Customer_Churn;USE Telco_Customer_Churn;#建表DROP TABLE IF EXISTS customer_details;CREATE TABLE customer_details(customerID VARCHAR(30) ,gender VARCHAR(30),SeniorCitizen VARCHAR(30) ,Partner VARCHAR(30) ,Dependents VARCHAR(30) ,tenure INT,PhoneService VARCHAR(30),MultipleLines VARCHAR(30),InternetService VARCHAR(50),OnlineSecurity VARCHAR(50),OnlineBackup VARCHAR(50),DeviceProtection VARCHAR(50),TechSupport VARCHAR(50),StreamingTV VARCHAR(50),StreamingMovies VARCHAR(50),Contract VARCHAR(50),PaperlessBilling VARCHAR(30),PaymentMethod VARCHAR(50),MonthlyCharges FLOAT,TotalCharges varchar(50),Churn VARCHAR(30));
在这里，大家可能会奇怪，我为什么把TotalCharges的数据类型定义为字符串类型？
是这样的，在最开始的时候我也是把TotalCharges的数据类型定义为Float类型的，但是在我导入数据的时候出现了‘warning’
‘Data truncated for column 'TotalCharges' at row XXX’
出现这种warning一般都是因为数据类型不适合或者是数据长度小了。
所以我试着把数据类型改成Varchar（50）,然后warning就没有了。
但是这里的TotalCharges的数据类型肯定应该是浮点型，之后我们再通过sql语句改过来！
大家不要着急，慢慢往后看哈！
然后是导入数据：
LOAD DATA INFILE 'WA_Fn-UseC_-Telco-Customer-Churn.csv'INTO TABLE customer_detailsFIELDS TERMINATED BY ','LINES TERMINATED BY '\n'IGNORE 1 ROWS
这里有一个注意事项，我们的excel表，最好是放在Data下面，这样导入比较顺利。可以通过修改配置，使得可以导入其它文件夹的表，但是我就直接放在Data下面了。
就是这个Data文件夹：
点开这个Data文件夹可以看到新建的文件夹
你发现这个文件夹和我们前面建的数据库是一个名字，我想你应该想到了，我们在建库的时候就同时创建了这么一个文件夹，之后在该数据库下的操作也都默认是在这个文件夹下。
因此我们需要把下载的excel表WA_Fn-UseC_-Telco-Customer-Churn.csv移动到这个文件夹下面
这样就可以很顺利地通过load infile 语句把数据导入mysql啦！
展示下部分数据：
之后对数据进行检查，包括检查数据集大小、数据类型是否合理、有无空值、有无异常值
#查看数据集大小SELECT COUNT(*) FROM customer_details; #有7043行数据
#查看数据类型DESCRIBE customer_details;
在之前我们说过啦，为了导入数据不出现Warning，我们把TotalCharges的数据类型定义为了varcharI(50)，但是它的数据类型正确的应该是Float
（数据类型也关系着我们后面用Tableau绘图，比如如果是字符串类型，肯定就没办法画趋势线了！）
所以，我们需要修改数据类型
#修改TotalCharges的数据类型为floatALTER TABLE customer_details MODIFY TotalCharges FLOAT;
#检查是否存在重复的数据SELECT * FROM customer_details GROUP BY customerID, gender, SeniorCitizen, Partner, Dependents, tenure, Phoneservice, Multiplelines, Internetservice, Onlinesecurity, Onlinebackup, Deviceprotection, Techsupport, Streamingtv, Streamingmovies,Contract, Paperlessbilling, Paymentmethod, MonthlyCharges, TotalCharges, ChurnHAVING COUNT(*)>1;
运行的结果是
返回只有表头，没有数据，这就是说没有重复的数据。
（如果有重复的数据，需要先设置一个自增长列，然后去重，这个以后遇到了我会再写一篇）
#查找缺失值SELECT COUNT(customerID),COUNT(gender),COUNT(SeniorCitizen),COUNT(Partner),COUNT(Dependents),COUNT(tenure),COUNT(Phoneservice),COUNT(Multiplelines),COUNT(Internetservice),COUNT(Onlinesecurity),COUNT(Onlinebackup),COUNT(Deviceprotection),COUNT(Techsupport),COUNT(Streamingtv),COUNT(Streamingmovies),COUNT(Contract),COUNT(Paperlessbilling),COUNT(Paymentmethod),COUNT(MonthlyCharges),COUNT(TotalCharges),COUNT(Churn)FROM customer_details;#返回得到各列的数据都为7043个，说明没有缺失值
#查找异常值#将TotalCharge（总消费额）按照升序排列SELECT * FROM customer_detailsORDER BY TotalCharges ASC;#发现有的行出现了，总消费额TotalCharge为0，但是月消费MonthlyCharge不为0的情况#经过观察发现这些用户的入网时长tenure为0，推测为本月刚入网用户，因此其tenure修改为1，总消费额改为月消费额UPDATE customer_details SET tenure = 1,TotalCharges = MonthlyChargesWHERE tenure =0;
嗯，进行到这里，我们的数据就处理完了。这个文件的数据处理很简单，都是最基本的语句。
接下来就是对数据进行业务分析。
本数据集有21列，内容分别为
我们分析的主要方式，就是通过可视化，分析最后一列数据（Churn）与前面的20列数据的关系。
接下来就是把SQL和tableaul链接起来，利用tableau进行可视化展示。
这里用到的tableau很简单，直接把对应的数据拖到column和row里面就可以啦
