需求分析
理解并掌握聚类分析方法，掌握数据的标准化，掌握寻找最佳聚类数，掌握聚类的绘图，掌握聚类分析的应用场景。
系统实现
实验流程分析
- 借助航空公司数据，对客户进行分类
- 对不同类别的客户进行特征分析，比较不同类别客户的价值
- 对不同价值的客户类别进行个性化服务，制定相应的营销策略
数据准备
- 加载本次实验所需要用到的包
打开spyder，输入以下代码
import pandas as pd
import numpy as np
from sklearn.metrics import silhouette_score
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans,AgglomerativeClustering
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import datetime
plt.rcParams['font.sans-serif']=['SimHei'] #中文正常显示
plt.rcParams['axes.unicode_minus']=False #让负号正常显示
- 读取数据，查看数据和整理数据信息
https:staticfile.eduplus.netldataSetsystemLiblc3b5c0f37fe24797808613bc713d5585.rar。压缩包中的数据为csv数据，解压并将该数据移动到c：/数据分析/data目录中
读取并查看数据
取出SUM_YR_1和SUM_YR_2不为空的样本
去除掉第一年、第二年票价均为0，同时平均折扣系数大于零和飞行里程大于零的数据
- 取出LRFMC模型数据，并整理
取出LRFMC模型数据
计算入会天数
L = pd.to_datetime(new_data['LOAD_TIME'])-pd.to_datetime(new_data['FFP_DATE'])
L = np.int64(L.astype(str).str.split().str[0]) # 会员入会天数
L=pd.DataFrame(L,columns=['Days'])
air_features = pd.concat([L, new_data.iloc[:, 2:]], axis=1) # 横向拼接
print(air_features.head())
更改列名，描述性统计
重置索引
数据标准化
寻找最佳聚类个数
- 绘制拐点图，寻找下降最剧烈的点
sse=[]
for i in range(2,10):
result=KMeans(i,random_state=100).fit(data_scale)
sse.append(result.inertia_)
plt.figure()
plt.plot(range(2,10),sse,marker='o')
plt.xlabel('k')
plt.ylabel('sse')
plt.show()
k=3/4时最激烈
- 绘制轮廓系数图，寻找轮廓系数高的点
sil=[]
for i in range(2,8):
result=KMeans(i,random_state=100).fit(data_scale)
sil.append(silhouette_score(air_features,result.labels_))
plt.figure()
plt.plot(range(2,8),sil,marker='o')
plt.xlabel('k')
plt.ylabel('sil')
plt.show()
k=2/3轮廓系数最高，综合k=3
建立聚类模型
- 绘制聚类图，观察聚类情况
kmeans聚类
绘制聚类图
结果分析
- 合并数据，并加入分类
- 聚合各类，对各特征计算平均值
- 加入客户分类并画图
def customer_type(cluser):
if cluser==0:
return '重要发展客户'
elif cluser==1:
return '最重要客户'
else:
return '一般客户'
air_features['客户类型']=air_features['cluster'].apply(customer_type)
print(air_features.head())
绘制图像
customer_count=air_features['客户类型'].value_counts()
plt.figure()
plt.subplot(1,2,1)
plt.bar(customer_count.index,customer_count.values)
#添加文本
for a,b in zip(customer_count.index,customer_count.values):
plt.text(a,b,b,ha='center',va='bottom',color='b')
plt.subplot(1,2,2)
plt.pie(customer_count.values,labels=list(customer_count.index),autopct='%.1f%%', textprops={'color':'r'},shadow=True)
plt.legend(loc=1)
plt.show()
