數據分析——用戶分群分析

針對用戶群體的特征做分群分析，也有點類似RFM模型一樣，不過可選的指標比只選擇RFM三個指標更多，這里用的數據是航空公司用戶的數據，數據指標包括

下面上代碼：

import pandas as pd
data = pd.read_csv('air_data.csv')
#數據的一些基本情況
data.describe()

#數據空值情況，會發現一些屬性的空值比較多
data.isnull().sum().sort_values(ascending = False).head(10)

空值最多的幾個列如下：

#查找每列數據的空值數量，最大值，最小值情況
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})

#做數據清洗
#丟棄票價為空值的的數據
data = data[data['SUM_YR_1'].notnull()*data['SUM_YR_2'].notnull()]
#data.dropna(subset=['SUM_YR_2','SUM_YR_1'])
#只選擇票價不為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] 

#計算LRFMC五個指標
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   #轉換成天
#標准化
finall_data = (finall_data - finall_data.mean(axis=0))/finall_data.std()
#聚類分析
 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])

最后幾類用戶幾個指標的分布如下，可以有針對性的做營銷