数据分析——用户分群分析

针对用户群体的特征做分群分析，也有点类似RFM模型一样，不过可选的指标比只选择RFM三个指标更多，这里用的数据是航空公司用户的数据，数据指标包括

下面上代码：

import pandas as pd
data = pd.read_csv('air_data.csv')
#数据的一些基本情况
data.describe()

#数据空值情况，会发现一些属性的空值比较多
data.isnull().sum().sort_values(ascending = False).head(10)

空值最多的几个列如下：

#查找每列数据的空值数量，最大值，最小值情况
max_data = data.max()
min_data = data.min()
null_data = data.isnull().sum()
data_count = pd.DataFrame({'max_data':max_data,'min_data':min_data,'null_data':null_data})

#做数据清洗
#丢弃票价为空值的的数据
data = data[data['SUM_YR_1'].notnull()*data['SUM_YR_2'].notnull()]
#data.dropna(subset=['SUM_YR_2','SUM_YR_1'])

#只选择票价不为0,或者折扣
index1 = data['SUM_YR_1'] != 0 
index2 = data['SUM_YR_2'] != 0
index3 = (data['SEG_KM_SUM'] == 0) & (data['avg_discount'] == 0) 
data = data[index1|index2|index3] 

#计算LRFMC五个指标
data['FFP_DATE'] = pd.to_datetime(data['FFP_DATE'])
data['LOAD_TIME'] = pd.to_datetime(data['LOAD_TIME'])
data['L'] = data['LOAD_TIME'] - data['FFP_DATE']  
data['R'] = data['LAST_TO_END']
data['F'] = data['FLIGHT_COUNT']
data['M'] = data['SEG_KM_SUM']
data['C'] = data['avg_discount']

finall_data = data.loc[:,['L','R','F','M','C']]
finall_data['L'] = finall_data['L'].dt.days   #转换成天
#标准化
finall_data = (finall_data - finall_data.mean(axis=0))/finall_data.std()

#聚类分析
from sklearn.cluster import KMeans
model = KMeans(n_clusters=5)
model.fit(finall_data)
model.cluster_centers_
model.labels_
finall_data['label'] = model.labels_  
center = pd.DataFrame(center,columns=finall_data.columns[:-1])

最后几类用户几个指标的分布如下，可以有针对性的做营销

针对用户群体的特征做分群分析，也有点类似RFM模型一样，不过可选的指标比只选择RFM三个指标更多，这里用的数据是航空公司用户的数据，数据指标包括

下面上代码：

import pandas as pd
data = pd.read_csv('air_data.csv')
#数据的一些基本情况
data.describe()

#数据空值情况，会发现一些属性的空值比较多
data.isnull().sum().sort_values(ascending = False).head(10)

空值最多的几个列如下：

#查找每列数据的空值数量，最大值，最小值情况
max_data = data.max()
min_data = data.min()
null_data = data.isnull().sum()
data_count = pd.DataFrame({'max_data':max_data,'min_data':min_data,'null_data':null_data})

#做数据清洗
#丢弃票价为空值的的数据
data = data[data['SUM_YR_1'].notnull()*data['SUM_YR_2'].notnull()]
#data.dropna(subset=['SUM_YR_2','SUM_YR_1'])

#只选择票价不为0,或者折扣
index1 = data['SUM_YR_1'] != 0 
index2 = data['SUM_YR_2'] != 0
index3 = (data['SEG_KM_SUM'] == 0) & (data['avg_discount'] == 0) 
data = data[index1|index2|index3] 

#计算LRFMC五个指标
data['FFP_DATE'] = pd.to_datetime(data['FFP_DATE'])
data['LOAD_TIME'] = pd.to_datetime(data['LOAD_TIME'])
data['L'] = data['LOAD_TIME'] - data['FFP_DATE']  
data['R'] = data['LAST_TO_END']
data['F'] = data['FLIGHT_COUNT']
data['M'] = data['SEG_KM_SUM']
data['C'] = data['avg_discount']

finall_data = data.loc[:,['L','R','F','M','C']]
finall_data['L'] = finall_data['L'].dt.days   #转换成天
#标准化
finall_data = (finall_data - finall_data.mean(axis=0))/finall_data.std()

#聚类分析
from sklearn.cluster import KMeans
model = KMeans(n_clusters=5)
model.fit(finall_data)
model.cluster_centers_
model.labels_
finall_data['label'] = model.labels_  
center = pd.DataFrame(center,columns=finall_data.columns[:-1])

最后几类用户几个指标的分布如下，可以有针对性的做营销