运营商客户流失率分析

1.数据集说明

每一行代表一个客户，每一列包含列元数据中描述的客户属性。原始数据包含7043行(客户)和21列(特性)。

字段	字段	字段说明
customerID:	用户ID	身份标识
gender	性别	（male，female ）
SeniorCitizen	是否老年人	（0, 1 ）
Partner	是否有伴侣	（No, Yes ）
Dependents	是否有抚养人	（No, Yes ）
tenure	客户入网时长(月)	（连续值 0-72 ）
PhoneService	是否有电话服务	（Yes, No）
MultipleLines	是否有多线服务	（Yes, No, No phone service）
InternetService	客户互联网服务提供商	(No, DSL数字网络，fiber optic光纤网络 )
OnlineSecurity	是否有在线安全	（Yes, No, No internet service）
OnlineBackup	是否在线备份	（Yes, No, No internet service）
DeviceProtection	设备保护策略	（Yes, No, No internet service）
TechSupport	技术支持	（Yes, No, No internet service）
StreamingTV	在线电视	（Yes, No, No internet service）
StreamingMovies	在线电影	（Yes, No, No internet service）
Contract	合同	(month-to-month, two year, One year)
PaperlessBilling	无纸账单	（Yes, No）
PaymentMethod	支付方式	（Electronic check, Mailed check, Bank transfer (automatic), Credit card (automatic)）
MonthlyCharges	每月服务费	(连续值)
TotalCharges	总话费	(连续值)
Churn	流失标签	（No, Yes）

2.分析思路

寻找与流失率有关的特征，进一步分析这些特征如何影响流失率，刻画高流失率用户画像，对高流失率用户提供建议。

3.数据预处理

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from datetime import datetime

%matplotlib inline
plt.style.use('ggplot')
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

df = pd.read_csv('电信运营商客户数据集.csv')
df.head()

	customerID	gender	SeniorCitizen	Partner	Dependents	tenure	PhoneService	MultipleLines	InternetService	OnlineSecurity	...	DeviceProtection	TechSupport	StreamingTV	StreamingMovies	Contract	PaperlessBilling	PaymentMethod	MonthlyCharges	TotalCharges	Churn
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

#查看数据信息
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7043 entries, 0 to 7042
Data columns (total 21 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   customerID        7043 non-null   object 
 1   gender            7043 non-null   object 
 2   SeniorCitizen     7043 non-null   int64  
 3   Partner           7043 non-null   object 
 4   Dependents        7043 non-null   object 
 5   tenure            7043 non-null   int64  
 6   PhoneService      7043 non-null   object 
 7   MultipleLines     7043 non-null   object 
 8   InternetService   7043 non-null   object 
 9   OnlineSecurity    7043 non-null   object 
 10  OnlineBackup      7043 non-null   object 
 11  DeviceProtection  7043 non-null   object 
 12  TechSupport       7043 non-null   object 
 13  StreamingTV       7043 non-null   object 
 14  StreamingMovies   7043 non-null   object 
 15  Contract          7043 non-null   object 
 16  PaperlessBilling  7043 non-null   object 
 17  PaymentMethod     7043 non-null   object 
 18  MonthlyCharges    7043 non-null   float64
 19  TotalCharges      7043 non-null   object 
 20  Churn             7043 non-null   object 
dtypes: float64(1), int64(2), object(18)
memory usage: 1.1+ MB

没有数据缺失。

#是否有重复数据
sum(df.duplicated())

0

sum(df.customerID.duplicated())

0

一共有7043名用户的数据。

#将TotalCharges（总消费额）转换为浮点型，错误充为nan值
df['TotalCharges'] = pd.to_numeric( df['TotalCharges'],errors=  'coerce' )
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7043 entries, 0 to 7042
Data columns (total 21 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   customerID        7043 non-null   object 
 1   gender            7043 non-null   object 
 2   SeniorCitizen     7043 non-null   int64  
 3   Partner           7043 non-null   object 
 4   Dependents        7043 non-null   object 
 5   tenure            7043 non-null   int64  
 6   PhoneService      7043 non-null   object 
 7   MultipleLines     7043 non-null   object 
 8   InternetService   7043 non-null   object 
 9   OnlineSecurity    7043 non-null   object 
 10  OnlineBackup      7043 non-null   object 
 11  DeviceProtection  7043 non-null   object 
 12  TechSupport       7043 non-null   object 
 13  StreamingTV       7043 non-null   object 
 14  StreamingMovies   7043 non-null   object 
 15  Contract          7043 non-null   object 
 16  PaperlessBilling  7043 non-null   object 
 17  PaymentMethod     7043 non-null   object 
 18  MonthlyCharges    7043 non-null   float64
 19  TotalCharges      7032 non-null   float64
 20  Churn             7043 non-null   object 
dtypes: float64(2), int64(2), object(17)
memory usage: 1.1+ MB

TotalCharges（总消费额）有缺失值。

df[df.TotalCharges.isin([np.NaN])]

	customerID	gender	SeniorCitizen	Partner	Dependents	tenure	PhoneService	MultipleLines	InternetService	OnlineSecurity