4.6-用户行为

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()

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]

# 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

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

# 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

# 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

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

data_after['月消费'].hist(bins=50)

data_after['总消费'].hist(bins=50)

# 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())

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

df0['合同期限'].hist(bins=50)

# 月消费
df1['月消费'].hist(bins=50)

df0['月消费'].hist(bins=50)

# 月消费
df1['总消费'].hist(bins=50)

df0['总消费'].hist(bins=50)