4.6-用户行为

In [ ]:

import pandas as pd
data = pd.read_csv("WA_Fn-UseC_-Telco-Customer-Churn.csv")
data.columns = ['用户ID', '性别', '是否老人', '是否有伴侣', '是否有孩子',
       '合同期限', '通话服务', '多线程', '网络服务',
       '在线安全', '在线备份', '设备安全', '技术支持',
       '流媒体电视', '流媒体电影', '合同类型', '电子账单',
       '支付方式', '月消费', '总消费', '是否流失']
data.head()

 

Out[ ]:

	用户ID	性别	是否老人	是否有伴侣	是否有孩子	合同期限	通话服务	多线程	网络服务	在线安全	...	设备安全	技术支持	流媒体电视	流媒体电影	合同类型	电子账单	支付方式	月消费	总消费	是否流失
0	7590-VHVEG	Female	0	Yes	No	1	No	No phone service	DSL	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	29.85	29.85	No
1	5575-GNVDE	Male	0	No	No	34	Yes	No	DSL	Yes	...	Yes	No	No	No	One year	No	Mailed check	56.95	1889.5	No
2	3668-QPYBK	Male	0	No	No	2	Yes	No	DSL	Yes	...	No	No	No	No	Month-to-month	Yes	Mailed check	53.85	108.15	Yes
3	7795-CFOCW	Male	0	No	No	45	No	No phone service	DSL	Yes	...	Yes	Yes	No	No	One year	No	Bank transfer (automatic)	42.30	1840.75	No
4	9237-HQITU	Female	0	No	No	2	Yes	No	Fiber optic	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	70.70	151.65	Yes

5 rows × 21 columns

 

In [ ]:

csm_cols = ['合同期限','合同类型', '电子账单','支付方式', '月消费', '总消费']
data[csm_cols]

 

Out[ ]:

	合同期限	合同类型	电子账单	支付方式	月消费	总消费
0	1	Month-to-month	Yes	Electronic check	29.85	29.85
1	34	One year	No	Mailed check	56.95	1889.5
2	2	Month-to-month	Yes	Mailed check	53.85	108.15
3	45	One year	No	Bank transfer (automatic)	42.30	1840.75
4	2	Month-to-month	Yes	Electronic check	70.70	151.65
...	...	...	...	...	...	...
7038	24	One year	Yes	Mailed check	84.80	1990.5
7039	72	One year	Yes	Credit card (automatic)	103.20	7362.9
7040	11	Month-to-month	Yes	Electronic check	29.60	346.45
7041	4	Month-to-month	Yes	Mailed check	74.40	306.6
7042	66	Two year	Yes	Bank transfer (automatic)	105.65	6844.5

7043 rows × 6 columns

 

In [ ]:

# 4.6.1 数据检查：确认数据类型、可视化 -> 初步了解
# 转换数值格式
data[csm_cols].dtypes

 

Out[ ]:

合同期限      int64
合同类型     object
电子账单     object
支付方式     object
月消费     float64
总消费      object
dtype: object

 

In [ ]:

# 筛选排除是否存在含有空格的数值
data[data['总消费']==' ']

 

Out[ ]:

	用户ID	性别	是否老人	是否有伴侣	是否有孩子	合同期限	通话服务	多线程	网络服务	在线安全	...	设备安全	技术支持	流媒体电视	流媒体电影	合同类型	电子账单	支付方式	月消费	总消费	是否流失
488	4472-LVYGI	Female	0	Yes	Yes	0	No	No phone service	DSL	Yes	...	Yes	Yes	Yes	No	Two year	Yes	Bank transfer (automatic)	52.55		No
753	3115-CZMZD	Male	0	No	Yes	0	Yes	No	No	No internet service	...	No internet service	No internet service	No internet service	No internet service	Two year	No	Mailed check	20.25		No
936	5709-LVOEQ	Female	0	Yes	Yes	0	Yes	No	DSL	Yes	...	Yes	No	Yes	Yes	Two year	No	Mailed check	80.85		No
1082	4367-NUYAO	Male	0	Yes	Yes	0	Yes	Yes	No	No internet service	...	No internet service	No internet service	No internet service	No internet service	Two year	No	Mailed check	25.75		No
1340	1371-DWPAZ	Female	0	Yes	Yes	0	No	No phone service	DSL	Yes	...	Yes	Yes	Yes	No	Two year	No	Credit card (automatic)	56.05		No
3331	7644-OMVMY	Male	0	Yes	Yes	0	Yes	No	No	No internet service	...	No internet service	No internet service	No internet service	No internet service	Two year	No	Mailed check	19.85		No
3826	3213-VVOLG	Male	0	Yes	Yes	0	Yes	Yes	No	No internet service	...	No internet service	No internet service	No internet service	No internet service	Two year	No	Mailed check	25.35		No
4380	2520-SGTTA	Female	0	Yes	Yes	0	Yes	No	No	No internet service	...	No internet service	No internet service	No internet service	No internet service	Two year	No	Mailed check	20.00		No
5218	2923-ARZLG	Male	0	Yes	Yes	0	Yes	No	No	No internet service	...	No internet service	No internet service	No internet service	No internet service	One year	Yes	Mailed check	19.70		No
6670	4075-WKNIU	Female	0	Yes	Yes	0	Yes	Yes	DSL	No	...	Yes	Yes	Yes	No	Two year	No	Mailed check	73.35		No
6754	2775-SEFEE	Male	0	No	Yes	0	Yes	Yes	DSL	Yes	...	No	Yes	No	No	Two year	Yes	Bank transfer (automatic)	61.90		No

11 rows × 21 columns

 

In [ ]:

# 发现上面的空白额数据条数是1%左右，对于最终的影响不大，这里选择直接删掉
import numpy as np
data_nonan = data.replace(' ', np.nan).dropna()
data_nonan

 

Out[ ]:

	用户ID	性别	是否老人	是否有伴侣	是否有孩子	合同期限	通话服务	多线程	网络服务	在线安全	...	设备安全	技术支持	流媒体电视	流媒体电影	合同类型	电子账单	支付方式	月消费	总消费	是否流失
0	7590-VHVEG	Female	0	Yes	No	1	No	No phone service	DSL	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	29.85	29.85	No
1	5575-GNVDE	Male	0	No	No	34	Yes	No	DSL	Yes	...	Yes	No	No	No	One year	No	Mailed check	56.95	1889.5	No
2	3668-QPYBK	Male	0	No	No	2	Yes	No	DSL	Yes	...	No	No	No	No	Month-to-month	Yes	Mailed check	53.85	108.15	Yes
3	7795-CFOCW	Male	0	No	No	45	No	No phone service	DSL	Yes	...	Yes	Yes	No	No	One year	No	Bank transfer (automatic)	42.30	1840.75	No
4	9237-HQITU	Female	0	No	No	2	Yes	No	Fiber optic	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	70.70	151.65	Yes
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
7038	6840-RESVB	Male	0	Yes	Yes	24	Yes	Yes	DSL	Yes	...	Yes	Yes	Yes	Yes	One year	Yes	Mailed check	84.80	1990.5	No
7039	2234-XADUH	Female	0	Yes	Yes	72	Yes	Yes	Fiber optic	No	...	Yes	No	Yes	Yes	One year	Yes	Credit card (automatic)	103.20	7362.9	No
7040	4801-JZAZL	Female	0	Yes	Yes	11	No	No phone service	DSL	Yes	...	No	No	No	No	Month-to-month	Yes	Electronic check	29.60	346.45	No
7041	8361-LTMKD	Male	1	Yes	No	4	Yes	Yes	Fiber optic	No	...	No	No	No	No	Month-to-month	Yes	Mailed check	74.40	306.6	Yes
7042	3186-AJIEK	Male	0	No	No	66	Yes	No	Fiber optic	Yes	...	Yes	Yes	Yes	Yes	Two year	Yes	Bank transfer (automatic)	105.65	6844.5	No

7032 rows × 21 columns

 

In [ ]:

# 转换数据类型
data_after=data_nonan
data_after['总消费']=data_after['总消费'].astype('float64')
data_after[csm_cols].dtypes

 

Out[ ]:

合同期限      int64
合同类型     object
电子账单     object
支付方式     object
月消费     float64
总消费     float64
dtype: object

 

In [ ]:

# 可视化
data_after['合同期限'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

data_after['月消费'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

data_after['总消费'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

# 4.6.2 类别数据：调用eda_calculate函数
# 全局变量
df_churn = data_after[data_after['是否流失']=='Yes']
def eda_calculate(column,types):
    """
    计算类别数据对应条数、占总数比例、对应流失率
    param @column: str,列表
    param @types: list,类别数据
    """
    # 1.计算类别数据对应的个数
    res_list = []
    rate_list = []
    print('\n------------------------当前列标签：',column,types) 
    for t in types:
        res = len(data_after[data_after[column]==t])
        # 3.计算类别数据对应的流失率
        rate = len(df_churn[df_churn[column]==t]) / res
        res_list.append({t:res})
        rate_list.append({t:rate})
    # 2.展示各类别数据对应的个数、占总数比例
    for r in res_list:
        print("=================")
        print(r,"占总数比例",list(r.values())[0]/len(data_after))
    
    # 4.预览个别数据对应的流失率、前者和后者的倍数关系
    print("类别数据对应流失率")
    for rate in rate_list:
        before = list(rate.values())[0]
        index = rate_list.index(rate) + 1
        print(rate)
        if index < len(rate_list):
            after = list(rate_list[index].values())[0] 
            print(rate,'前者和后者的倍数关系',before / after)
for c in ['合同类型','电子账单','支付方式']:
    eda_calculate(column=c,types=data_after[c].drop_duplicates().tolist())

 

 

------------------------当前列标签： 合同类型 ['Month-to-month', 'One year', 'Two year']
=================
{'Month-to-month': 3875} 占总数比例 0.551052332195677
=================
{'One year': 1472} 占总数比例 0.20932878270762229
=================
{'Two year': 1685} 占总数比例 0.2396188850967008
类别数据对应流失率
{'Month-to-month': 0.4270967741935484}
{'Month-to-month': 0.4270967741935484} 前者和后者的倍数关系 3.787267780800622
{'One year': 0.11277173913043478}
{'One year': 0.11277173913043478} 前者和后者的倍数关系 3.9587579257246377
{'Two year': 0.028486646884272996}

------------------------当前列标签： 电子账单 ['Yes', 'No']
=================
{'Yes': 4168} 占总数比例 0.5927189988623436
=================
{'No': 2864} 占总数比例 0.4072810011376564
类别数据对应流失率
{'Yes': 0.33589251439539347}
{'Yes': 0.33589251439539347} 前者和后者的倍数关系 2.0511645228750677
{'No': 0.16375698324022347}

------------------------当前列标签： 支付方式 ['Electronic check', 'Mailed check', 'Bank transfer (automatic)', 'Credit card (automatic)']
=================
{'Electronic check': 2365} 占总数比例 0.3363196814562002
=================
{'Mailed check': 1604} 占总数比例 0.22810011376564276
=================
{'Bank transfer (automatic)': 1542} 占总数比例 0.21928327645051193
=================
{'Credit card (automatic)': 1521} 占总数比例 0.21629692832764505
类别数据对应流失率
{'Electronic check': 0.4528541226215645}
{'Electronic check': 0.4528541226215645} 前者和后者的倍数关系 2.3583701710551606
{'Mailed check': 0.19201995012468828}
{'Mailed check': 0.19201995012468828} 前者和后者的倍数关系 1.147654120512672
{'Bank transfer (automatic)': 0.16731517509727625}
{'Bank transfer (automatic)': 0.16731517509727625} 前者和后者的倍数关系 1.0969240574265395
{'Credit card (automatic)': 0.1525312294543064}

 

In [ ]:

# 4.6.3 数值数据：分布图、箱行图
# '合同期限'、'月消费'、'总消费':流失用户数据集和非流失用户数据集
df1 = data_after[data_after['是否流失']=='Yes']
df0 = data_after[data_after['是否流失']=='No']

 

In [ ]:

# 合同期限越长越不容易流失
df1['合同期限'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

df0['合同期限'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

# 月消费
df1['月消费'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

df0['月消费'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

# 月消费
df1['总消费'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

df0['总消费'].hist(bins=50)

 

Out[ ]:

<Axes: >

 

 

In [ ]:

# 总结
# 合同期限: 期限越短越容易流失，按月的流失率达42%，分别为1年的4倍、2年的10倍+
# 电子账单：使用电子账单的流失率为30%，为后者2倍
# 支付方式:使用电子发票的流失率为45号，为后者的2-3倍
# 在网时长: 与流失率呈负相关
# 月消费: 与流失率呈负相关
# 总消费: 与流失率呈负相关