×

Python数据科学_13_案例：航空公司客户价值分析【聚类案例】

hqy hqy 发表于2025-04-10 02:02:40 浏览3 评论0百度已收录

抢沙发发表评论

背景和目标

行业内竞争

民航的竞争除了三大航空公司之间的竞争之外，还将加入新崛起的各类小型航空公司、民营航空公司，甚至国外航空巨头。航空产品生产过剩，产品同质化特征愈加明显，于是航空公司从价格、服务间的竞争逐渐转向对客户的竞争。

行业外竞争

随着高铁、动车等铁路运输的兴建，航空公司受到巨大冲击。

目标

借助航空公司客户数据，对客户进行分类。

对不同的客户类别进行特征分析，比较不同类别客户的客户价值。

对不同价值的客户类别提供个性化服务，制定相应的营销策略。

import pandas as pd

数据集下载

读取数据

data = pd.read_csv(air_data.csv, encoding=gb18030)data.head()MEMBER_NOFFP_DATEFIRST_FLIGHT_DATEGENDERFFP_TIERWORK_CITYWORK_PROVINCEWORK_COUNTRYAGELOAD_TIME...ADD_Point_SUMEli_Add_Point_SumL1Y_ELi_Add_PointsPoints_SumL1Y_Points_SumRation_L1Y_Flight_CountRation_P1Y_Flight_CountRation_P1Y_BPSRation_L1Y_BPSPoint_NotFlight0549932006/11/22008/12/24男6.北京CN31.02014/3/31...399921144521111006197603702110.5095240.4904760.4872210.512777501280652007/2/192007/8/3男6NaN北京CN42.02014/3/31...1200053288532884157682384100.5142860.4857140.4892890.510708332551062007/2/12007/8/30男6.北京CN40.02014/3/31...1549155202517114063612337980.5185190.4814810.4814670.518530263211892008/8/222008/8/23男5Los AngelesCAUS64.02014/3/31...034890348903722041861000.4347830.5652170.5517220.448275124395462009/4/102009/4/15男6贵阳贵州CN48.02014/3/31...2270464969649693388132103650.5328950.4671050.4690540.53094339

5 rows × 44 columns

数据探索

查看数据的摘要信息

data.info()<class pandas.core.frame.DataFrame>RangeIndex: 62988 entries, 0 to 62987Data columns (total 44 columns): #   Column                   Non-Null Count  Dtype  ---  ------                   --------------  -----   0   MEMBER_NO                62988 non-null  int64   1   FFP_DATE                 62988 non-null  object  2   FIRST_FLIGHT_DATE        62988 non-null  object  3   GENDER                   62985 non-null  object  4   FFP_TIER                 62988 non-null  int64   5   WORK_CITY                60719 non-null  object  6   WORK_PROVINCE            59740 non-null  object  7   WORK_COUNTRY             62962 non-null  object  8   AGE                      62568 non-null  float64 9   LOAD_TIME                62988 non-null  object  10  FLIGHT_COUNT             62988 non-null  int64   11  BP_SUM                   62988 non-null  int64   12  EP_SUM_YR_1              62988 non-null  int64   13  EP_SUM_YR_2              62988 non-null  int64   14  SUM_YR_1                 62437 non-null  float64 15  SUM_YR_2                 62850 non-null  float64 16  SEG_KM_SUM               62988 non-null  int64   17  WEIGHTED_SEG_KM          62988 non-null  float64 18  LAST_FLIGHT_DATE         62988 non-null  object  19  AVG_FLIGHT_COUNT         62988 non-null  float64 20  AVG_BP_SUM               62988 non-null  float64 21  BEGIN_TO_FIRST           62988 non-null  int64   22  LAST_TO_END              62988 non-null  int64   23  AVG_INTERVAL             62988 non-null  float64 24  MAX_INTERVAL             62988 non-null  int64   25  ADD_POINTS_SUM_YR_1      62988 non-null  int64   26  ADD_POINTS_SUM_YR_2      62988 non-null  int64   27  EXCHANGE_COUNT           62988 non-null  int64   28  avg_discount             62988 non-null  float64 29  P1Y_Flight_Count         62988 non-null  int64   30  L1Y_Flight_Count         62988 non-null  int64   31  P1Y_BP_SUM               62988 non-null  int64   32  L1Y_BP_SUM               62988 non-null  int64   33  EP_SUM                   62988 non-null  int64   34  ADD_Point_SUM            62988 non-null  int64   35  Eli_Add_Point_Sum        62988 non-null  int64   36  L1Y_ELi_Add_Points       62988 non-null  int64   37  Points_Sum               62988 non-null  int64   38  L1Y_Points_Sum           62988 non-null  int64   39  Ration_L1Y_Flight_Count  62988 non-null  float64 40  Ration_P1Y_Flight_Count  62988 non-null  float64 41  Ration_P1Y_BPS           62988 non-null  float64 42  Ration_L1Y_BPS           62988 non-null  float64 43  Point_NotFlight          62988 non-null  int64  dtypes: float64(12), int64(24), object(8)memory usage: 21.1+ MB有大量的列存在缺失值存在8列object数据

查看数据集的重复情况

data.shape(62988, 44)data.drop_duplicates().shape(62988, 44)

说明数据集不存在重复值

查看数据集具体的缺失值情况

data.isna().sum()MEMBER_NO                     0FFP_DATE                      0FIRST_FLIGHT_DATE             0GENDER                        3FFP_TIER                      0WORK_CITY                  2269WORK_PROVINCE              3248WORK_COUNTRY                 26AGE                         420LOAD_TIME                     0FLIGHT_COUNT                  0BP_SUM                        0EP_SUM_YR_1                   0EP_SUM_YR_2                   0SUM_YR_1                    551SUM_YR_2                    138SEG_KM_SUM                    0WEIGHTED_SEG_KM               0LAST_FLIGHT_DATE              0AVG_FLIGHT_COUNT              0AVG_BP_SUM                    0BEGIN_TO_FIRST                0LAST_TO_END                   0AVG_INTERVAL                  0MAX_INTERVAL                  0ADD_POINTS_SUM_YR_1           0ADD_POINTS_SUM_YR_2           0EXCHANGE_COUNT                0avg_discount                  0P1Y_Flight_Count              0L1Y_Flight_Count              0P1Y_BP_SUM                    0L1Y_BP_SUM                    0EP_SUM                        0ADD_Point_SUM                 0Eli_Add_Point_Sum             0L1Y_ELi_Add_Points            0Points_Sum                    0L1Y_Points_Sum                0Ration_L1Y_Flight_Count       0Ration_P1Y_Flight_Count       0Ration_P1Y_BPS                0Ration_L1Y_BPS                0Point_NotFlight               0dtype: int64

数据的预处理

结合业务逻辑进行数据预处理

删除票价为空的数据

data = data[~data[SUM_YR_1].isna()]data = data[~data[SUM_YR_2].isna()]

丢弃票价为0，平均折扣率不为0，总飞行公里数大于0的记录

index_yr_1 = data[SUM_YR_1] == 0index_yr_2 = data[SUM_YR_2] == 0index_avg_discount = data[avg_discount] != 0index_seg_km_sum = data[SEG_KM_SUM] > 0data = data[~(index_yr_1 & index_yr_2 & index_avg_discount & index_seg_km_sum)]

特征构造

将入会时间和观测窗口结束时间转化为时间类型的数据

data[FFP_DATE] = pd.to_datetime(data[FFP_DATE])data[LOAD_TIME] = pd.to_datetime(data[LOAD_TIME])

构建LRFMC特征

data[L] = (data[LOAD_TIME] - data[FFP_DATE]).apply(lambda x: x.days/30)data[R] = data[LAST_TO_END]data[F] = data[FLIGHT_COUNT]data[M] = data[SEG_KM_SUM]data[C] = data[avg_discount]new_data = data[[L, R, F, M, C]]# 归一化处理from sklearn.preprocessing import StandardScalerstandard_scaler = StandardScaler()new_data = standard_scaler.fit_transform(new_data)

对筛选出来的特征进行聚类分析

from sklearn.cluster import KMeansK = 5kmeans_model = KMeans(n_clusters=K)kmeans_model.fit(new_data)KMeans(n_clusters=5)# 聚类中心kmeans_model.cluster_centers_    array([[ 0.06233588, -0.00491015, -0.22698558, -0.23067735,  2.18473313],           [-0.31475997,  1.68627777, -0.57395798, -0.53669472, -0.17389533],           [ 0.48278764, -0.7994434 ,  2.48377146,  2.42496111,  0.30842462],           [ 1.16095498, -0.37732257, -0.0867671 , -0.09463321, -0.159118  ],           [-0.70027213, -0.41492263, -0.16102864, -0.1609829 , -0.2536324 ]])# 聚类类别sum(kmeans_model.labels_ == 4)24665

可视化

# 绘制雷达图import matplotlib.pyplot as pltplt.rcParams[font.sans-serif] = [SimHei]plt.rcParams[axes.unicode_minus] = Falseax = plt.subplot(111, polar=True)plt.show()output_40_0_202303092116# 获取特征数feature_num = new_data.shape[1]feature_num5# 计算极角angle = list(np.linspace(0, 2*np.pi, feature_num, endpoint=False))# 将第一个角度再次加入到数组中，使得最终绘制出来的图形是闭合angle.append(angle[0])angle = np.array(angle)# 设置画布plt.figure(figsize=(5, 5), dpi=150)# 定义子图类型为极坐标系ax = plt.subplot(111, polar=True)# 设置子图标题ax.set_title(客户群雷达图)# 定义颜色列表，使得后续绘制出来的不同的图形颜色有区别color = [r--, b--, g--, y--, m--]for i in range(K):# 计算极径    length = list(kmeans_model.cluster_centers_[i])    length.append(length[0])    length =  np.array(length)# 绘制图形    ax.plot(angle, length, color[i])#     ax.set_xticklabels([L, R, F, M, C])# 给图形增加图例，区分不同的客户群体plt.legend([客户群体1, 客户群体2, 客户群体3, 客户群体4, 客户群体5])plt.show()output_42_0_202303092116客户群体1：乘坐飞机的折扣系数比较大，并且其他几个指标都比较低，说明这类客户只在，机票打折时乘坐飞机，属于低价值客户客户群体2：这类客户最近一次乘坐飞机距离观测窗口结束时间比较长，说明这类客户属于流失客户。客户群体3：这类客户乘坐飞机的次数较高，并且飞行的总里程数也较高，说明这类客户是高价值客户。客户群体4：这类客户注册会员时间距离观测窗口结束时间较大，说明这类客户注册会员的时间较长，属于忠诚客户。客户群体5：这类客户5个指标都比较低，说明这类客户要么是新用户，要么是无价值客户。