航空公司客户价值分析Kmeans.docx

数据变换由于原始数据没有直接给出 LRFMC 五个指标，需要自己计算，具体的计算方式为：（1）L=LOAD_TIME-FFP_DATE（2）R=LAST_TO_END（3）F=FLIGHT_COUNT 数据变换 由于原始数据没有直接给出 LRFMC 五个指标，需要自己计算，具体的计算方式为： （1）L=LOAD_TIME-FFP_DATE （2）R=LAST_TO_END （3）F=FLIGHT_COUNT (4) M=SEG_KM_SUM （5）C=avg_discount 数据变换的 Python 代码如下： data=(cleanoutfile,encoding=utf-8) 3. data=data[[LOAD_TIME,FFP_DATE,LAST_TO_END,FLIGHT_COUNT,SEG _KM_SUM,avg_discount]] 4. # data[L]=(data[LOAD_TIME])(data[FFP_DATE]) 5. # data[L]=int(((parse(data[LOAD_TIME])-parse(data[FFP_ADTE])).d ays)/30) ####这四行代码费了我 3 个小时 d_ffp=(data[FFP_DATE]) d_load=(data[LOAD_TIME]) res=d_load-d_ffp 10. data[L]=(lambda x:x/(30*24*60,m)) 11. data[R]=data[LAST_TO_END] data[F]=data[FLIGHT_COUNT] data[M]=data[SEG_KM_SUM] data[C]=data[avg_discount] 16. data=data[[L,R,F,M,C]] 17. (reoutfile) 变换结果如下：客户聚类 变换结果如下： 客户聚类 采纳 kMeans 聚类算法对客户数据进行客户分组，聚成 5 组，Python 代码如下： 1. 2. 3. 4. 5. 6. 7. 8. 9. import pandas as pd from import KMeans import as plt from itertools import cycle datafile=./tmp/ k=5 classoutfile=./tmp/ resoutfile=./tmp/ 10. data=(datafile) 11. kmodel=KMeans(n_clusters=k,max_iter=1000) (data) 14. # print r1=.value_counts() 17. r2= 18. r=([r2,r1],axis=1) 19. =list+[类别数量] # print(r) # (classoutfile,index=False) 22. 23. r=([data,,index=],axis=1) 24. 24. =list+[聚类类别] 25. # (resoutfile,index=False) 对数据进行聚类分群的结果如下表所示：