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	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	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	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	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	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 [ ]:

df_churn = data[data['是否流失']=='Yes']
df_churn

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
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
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	9305-CDSKC	Female	0	No	No	8	Yes	Yes	Fiber optic	No	...	Yes	No	Yes	Yes	Month-to-month	Yes	Electronic check	99.65	820.5	Yes
8	7892-POOKP	Female	0	Yes	No	28	Yes	Yes	Fiber optic	No	...	Yes	Yes	Yes	Yes	Month-to-month	Yes	Electronic check	104.80	3046.05	Yes
13	0280-XJGEX	Male	0	No	No	49	Yes	Yes	Fiber optic	No	...	Yes	No	Yes	Yes	Month-to-month	Yes	Bank transfer (automatic)	103.70	5036.3	Yes
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
7021	1699-HPSBG	Male	0	No	No	12	Yes	No	DSL	No	...	No	Yes	Yes	No	One year	Yes	Electronic check	59.80	727.8	Yes
7026	8775-CEBBJ	Female	0	No	No	9	Yes	No	DSL	No	...	No	No	No	No	Month-to-month	Yes	Bank transfer (automatic)	44.20	403.35	Yes
7032	6894-LFHLY	Male	1	No	No	1	Yes	Yes	Fiber optic	No	...	No	No	No	No	Month-to-month	Yes	Electronic check	75.75	75.75	Yes
7034	0639-TSIQW	Female	0	No	No	67	Yes	Yes	Fiber optic	Yes	...	Yes	No	Yes	No	Month-to-month	Yes	Credit card (automatic)	102.95	6886.25	Yes
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

1869 rows × 21 columns

In [ ]:

# 4.5.1 创建通用函数：计算类别数据对应条数、占总数比例、对应流失率
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[data[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))
    
    # 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)

In [ ]:

eda_calculate(column='是否老人',types=[0,1])

------------------------当前列标签： 是否老人 [0, 1]
=================
{0: 5901} 占总数比例 0.8378531875621185
=================
{1: 1142} 占总数比例 0.1621468124378816
类别数据对应流失率
{0: 0.23606168446026096}
{0: 0.23606168446026096} 前者和后者的倍数关系 0.5663496715412143
{1: 0.4168126094570928}

In [ ]:

# 4.5.2 创建通用函数：提取列标签、提取对应类别数据
columns = ['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']
for c in columns:
    types = data[c].drop_duplicates().tolist()
    print(types)

['No', 'Yes']
['No phone service', 'No', 'Yes']
['DSL', 'Fiber optic', 'No']
['No', 'Yes', 'No internet service']
['Yes', 'No', 'No internet service']
['No', 'Yes', 'No internet service']
['No', 'Yes', 'No internet service']
['No', 'Yes', 'No internet service']
['No', 'Yes', 'No internet service']

In [ ]:

# 4.5.3 函数应用：快速计算特征指标
for c in columns:
    types = data[c].drop_duplicates().tolist()
    eda_calculate(c, types)

------------------------当前列标签： 通话服务 ['No', 'Yes']
=================
{'No': 682} 占总数比例 0.09683373562402385
=================
{'Yes': 6361} 占总数比例 0.9031662643759761
类别数据对应流失率
{'No': 0.24926686217008798}
{'No': 0.24926686217008798} 前者和后者的倍数关系 0.9332469159881869
{'Yes': 0.2670963684955196}

------------------------当前列标签： 多线程 ['No phone service', 'No', 'Yes']
=================
{'No phone service': 682} 占总数比例 0.09683373562402385
=================
{'No': 3390} 占总数比例 0.48132897912821243
=================
{'Yes': 2971} 占总数比例 0.42183728524776376
类别数据对应流失率
{'No phone service': 0.24926686217008798}
{'No phone service': 0.24926686217008798} 前者和后者的倍数关系 0.9953058454141323
{'No': 0.2504424778761062}
{'No': 0.2504424778761062} 前者和后者的倍数关系 0.8753701197293076
{'Yes': 0.286098956580276}

------------------------当前列标签： 网络服务 ['DSL', 'Fiber optic', 'No']
=================
{'DSL': 2421} 占总数比例 0.34374556297032516
=================
{'Fiber optic': 3096} 占总数比例 0.4395854039471816
=================
{'No': 1526} 占总数比例 0.21666903308249325
类别数据对应流失率
{'DSL': 0.1895910780669145}
{'DSL': 0.1895910780669145} 前者和后者的倍数关系 0.4525628201196355
{'Fiber optic': 0.4189276485788114}
{'Fiber optic': 0.4189276485788114} 前者和后者的倍数关系 5.657376917975807
{'No': 0.07404980340760157}

------------------------当前列标签： 在线安全 ['No', 'Yes', 'No internet service']
=================
{'No': 3498} 占总数比例 0.4966633536845094
=================
{'Yes': 2019} 占总数比例 0.2866676132329973
=================
{'No internet service': 1526} 占总数比例 0.21666903308249325
类别数据对应流失率
{'No': 0.4176672384219554}
{'No': 0.4176672384219554} 前者和后者的倍数关系 2.8585428961828065
{'Yes': 0.14611193660227836}
{'Yes': 0.14611193660227836} 前者和后者的倍数关系 1.9731576571245732
{'No internet service': 0.07404980340760157}

------------------------当前列标签： 在线备份 ['Yes', 'No', 'No internet service']
=================
{'Yes': 2429} 占总数比例 0.3448814425670879
=================
{'No': 3088} 占总数比例 0.43844952435041884
=================
{'No internet service': 1526} 占总数比例 0.21666903308249325
类别数据对应流失率
{'Yes': 0.21531494442157267}
{'Yes': 0.21531494442157267} 前者和后者的倍数关系 0.5392478089000945
{'No': 0.39928756476683935}
{'No': 0.39928756476683935} 前者和后者的倍数关系 5.392148883488468
{'No internet service': 0.07404980340760157}

------------------------当前列标签： 设备安全 ['No', 'Yes', 'No internet service']
=================
{'No': 3095} 占总数比例 0.43944341899758627
=================
{'Yes': 2422} 占总数比例 0.3438875479199205
=================
{'No internet service': 1526} 占总数比例 0.21666903308249325
类别数据对应流失率
{'No': 0.3912762520193861}
{'No': 0.3912762520193861} 前者和后者的倍数关系 1.7388460227356939
{'Yes': 0.2250206440957886}
{'Yes': 0.2250206440957886} 前者和后者的倍数关系 3.038774361859941
{'No internet service': 0.07404980340760157}

------------------------当前列标签： 技术支持 ['No', 'Yes', 'No internet service']
=================
{'No': 3473} 占总数比例 0.4931137299446259
=================
{'Yes': 2044} 占总数比例 0.2902172369728809
=================
{'No internet service': 1526} 占总数比例 0.21666903308249325
类别数据对应流失率
{'No': 0.4163547365390153}
{'No': 0.4163547365390153} 前者和后者的倍数关系 2.7452551015669266
{'Yes': 0.15166340508806261}
{'Yes': 0.15166340508806261} 前者和后者的倍数关系 2.0481270457025094
{'No internet service': 0.07404980340760157}

------------------------当前列标签： 流媒体电视 ['No', 'Yes', 'No internet service']
=================
{'No': 2810} 占总数比例 0.3989777083629135
=================
{'Yes': 2707} 占总数比例 0.38435325855459324
=================
{'No internet service': 1526} 占总数比例 0.21666903308249325
类别数据对应流失率
{'No': 0.33523131672597867}
{'No': 0.33523131672597867} 前者和后者的倍数关系 1.1148294525518727
{'Yes': 0.30070188400443293}
{'Yes': 0.30070188400443293} 前者和后者的倍数关系 4.0608059733695985
{'No internet service': 0.07404980340760157}

------------------------当前列标签： 流媒体电影 ['No', 'Yes', 'No internet service']
=================
{'No': 2785} 占总数比例 0.39542808462303
=================
{'Yes': 2732} 占总数比例 0.3879028822944768
=================
{'No internet service': 1526} 占总数比例 0.21666903308249325
类别数据对应流失率
{'No': 0.33680430879712747}
{'No': 0.33680430879712747} 前者和后者的倍数关系 1.12487698243735
{'Yes': 0.29941434846266474}
{'Yes': 0.29941434846266474} 前者和后者的倍数关系 4.043418546495809
{'No internet service': 0.07404980340760157}

In [ ]:

# 4.5.4 数据洞察
# 高流失率的产品属性特征 (服务开通情况)
# 1. 没有明显相关性的产品服务
#    通话服务、多线程: 流失率在25号左右
#    流媒体电视、流媒体电影: 流失率在30%左右
# 2. 有明显影响的产品服务: 就是和网络相关的增值服务
#    网络服务:光纤用户的流失率41号，是DSL的2倍多
#    在线安全:没有选择这项服务的流失率41%+，是选择的用户的2.85倍
#    在线备份:没有选择这项服务的用户，流失率比选择的高1.5倍+
#    设备安全:同上
#    技术支持:没有选择这项服务的流失率41%+，是选择的用户的2.74倍

codeforces round 863 4.5

526互联

4.5-产品维度