航空公司客户价值分析

航空公司客户价值分析完整代码 项目背景：为某航空公司需要以客户为中心，按照客户的需求，在对客户的特点了解上使用不同的营销手段，目的是争取更多新客户，降低客户流失率，降低服务成本，提高业务收入，增加ARPU值（average revenue per user每个用户的平均收益，一般以月为单位），精准的市场营销策略制定。 详见博客：https://blog.csdn.net/u010963246/article/details/90484644

#-*- coding: utf-8 -*- 
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

data = pd.read_csv（r‘.\\data\\air_data.csv‘ encoding=“utf-8“）
print（data.shape）
print（data.info（））

data = data[data[“SUM_YR_1“].notnull（） & data[“SUM_YR_2“].notnull（）]
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]
print（data.shape）

filter_data = data[[ “FFP_DATE“ “LOAD_TIME“ “FLIGHT_COUNT“ “SUM_YR_1“ “SUM_YR_2“ “SEG_KM_SUM“ “AVG_INTERVAL“  “MAX_INTERVAL“ “avg_discount“]]
filter_data[0:5]

data[“LOAD_TIME“] = pd.to_datetime（data[“LOAD_TIME“]）
data[“FFP_DATE“] = pd.to_datetime（data[“FFP_DATE“]）
data[“入会时间“] = data[“LOAD_TIME“] - data[“FFP_DATE“]
data[“平均每公里票价“] = （data[“SUM_YR_1“] + data[“SUM_YR_2“]） / data[“SEG_KM_SUM“]
data[“时间间隔差值“] = data[“MAX_INTERVAL“] - data[“AVG_INTERVAL“]
deal_data = data.rename（
    columns = {“FLIGHT_COUNT“ : “飞行次数“ “SEG_KM_SUM“ : “总里程“ “avg_discount“ : “平均折扣率“}
    inplace = False
）
filter_data = deal_data[[“入会时间“ “飞行次数“ “平均每公里票价“ “总里程“ “时间间隔差值“ “平均折扣率“]]
print（filter_data[0:5]）
filter_data[‘入会时间‘] = filter_data[‘入会时间‘].astype（np.int64）/（60*60*24*10**9）
print（filter_data[0:5]）
print（filter_data.info（））

filter_zscore_data = （filter_data - filter_data.mean（axis=0））/（filter_data.std（axis=0））
filter_zscore_data[0:5]


def distEclud（vecA vecB）:
    “““
    计算两个向量的欧式距离的平方，并返回
    “““
    return np.sum（np.power（vecA - vecB 2））


def test_Kmeans_nclusters（data_train）:
    “““
    计算不同的k值时，SSE的大小变化
    “““
    data_train = data_train.values
    nums = range（2 10）
    SSE = []
    for num in nums:
        sse = 0
        kmodel = KMeans（n_clusters=num n_jobs=4）
        kmodel.fit（data_train）
        # 簇中心
        cluster_ceter_list = kmodel.cluster_centers_
        # 个样本属于的簇序号列表
        cluster_list = kmodel.labels_.tolist（）
        for index in range（len（data））:
            cluster_num = cluster_list[index]
            sse += distEclud（data_train[index :] cluster_ceter_list[cluster_num]）
        print（“簇数是“ num “时； SSE是“ sse）
        SSE.append（sse）
    return nums SSE


nums SSE = test_Kmeans_nclusters（filter_zscore_data）

#画图，通过观察SSE与k的取值尝试找出合适的k值
# 中文和负号的正常显示
plt.rcParams[‘font.sans-serif‘] = ‘SimHei‘
plt.rcParams[‘font.size‘] = 12.0
plt.rcParams[‘axes.unicode_minus‘] = False
# 使用ggplot的绘图风格
plt.style.use（‘ggplot‘）
## 绘图观测SSE与簇个数的关系
fig=plt.figure（figsize=（10 8））
ax=fig.add_subplot（111）
ax.plot（numsSSEmarker=“+“）
ax.set_xlabel（“n_clusters“ fontsize=18）
ax.set_ylabel（“SSE“ fontsize=18）
fig.suptitle（“KMeans“ fontsize=20）
plt.show（）

kmodel = KMeans（n_clusters=5 n_jobs=4）
kmodel.fit（filter_zscore_data）
# 简单打印结果
r1 = pd.Series（kmodel.labels_）.value_counts（）  # 统计各个类别的数目
r2 = pd.Dataframe（kmodel.cluster_centers_）  # 找出聚类中心
# 所有簇中心坐标值中最大值和最小值
max = r2.value

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-07-05 16:10  aircustmer\
     文件        5428  2019-05-23 16:17  aircustmer\AirTest2.py
     目录           0  2019-07-05 16:09  aircustmer\data\
     文件    14478308  2015-12-05 21:05  aircustmer\data\air_data.csv
     文件    31963648  2019-05-29 14:54  aircustmer\data\result2.xls