数据分析项目-Airbnb业务数据分析

目录

第一部：导包和数据导入

1.数据清洗：

1.1年龄清洗

1.2类别型变量（日期）的调整

计算用户注册到2019年的时间

计算用户第一次预定到2019年的时间

1.3将性别型变量转化成哑变量（gender）

1.4删除2个日期变量，可以根据数据类型来进行drop

2.建立模型

3.模型评估与优化 

---

本例中将使用Airbnb的数据。Airbnb是一个旅行服务短期租赁的社区，它拥有广泛的用户出行场景数据，通过这些数据，锁定潜在的目标客群并制定相应的营销策略是Airbnb业务发展的基石。

第一部：导包和数据导入

#调包
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

#数据导入
airbnb=pd.read_csv('w3_airbnb.csv')
airbnb.head()

字典数据及解释：

• id：唯一的用户id
• date_account_created：用户创建时间
• date_first_booking：第一次订房日期
• gender：性别
• Age：年龄
• Married：已婚
• Children：小孩数量
• Android：曾在安卓App中预定
• Moweb：曾在手机移动网页中预定
• web：曾在电脑网页版预定
• ios：曾在iso app预定
• Language_EN：使用英文语言
• Language_ZH：使用中文语言
• Country_US：目的地是美国
• Country_EUR：目的地是欧洲国家

导入数据后，我们可以看到，数据中有两个日期，一个是用户注册日期，一个是订房日期，然后还有用户个人信息，渠道信息和基本的网页使用信息。这三类基本信息的分析即可以帮助我们分析人群的基本特征。

本案例中，我们依然遵循数据分析的基本流程，如下所示：

在使用info()和describe()函数查看数据之后，我们发现值得注意的点：

• date_account_created和date_first_booking是时间变量，需要做调整
• gender是字符型变量，同样需要调整
• 我们数据中的gender包括F(Female)和M(Male),在很多时候，网站为了尊重客户隐私，还会出现U，就是unknown

1.数据清洗：

1.1年龄清洗

 发现年龄最小为2，最大为2014，属于异常数据，进行数据清洗，这里保留用户年龄在18-80岁之间的群体。

airbnb=airbnb[airbnb['age']>=18]
airbnb=airbnb[airbnb['age']<=80]

 

1.2类别型变量（日期）的调整