Daten mit Visualisierungen erkunden

Marketing Analytics: Kundenabwanderung in Python vorhersagen

Mark Peterson

Director of Data Science, Infoblox

Daten in Python visualisieren

Mit der Bibliothek seaborn erstellst du leicht aussagekräftige, ansprechende Plots
Baut auf matplotlib auf

import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(telco['Account_Length'])

plt.show()

Verteilung der Account-Längen

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco)

plt.show()

Screenshot 2019-05-10 11.25.40

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco)

plt.show()

Mittellinien

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco)

plt.show()

Farbige Boxen

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco)

plt.show()

25. Perzentil

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco)

plt.show()

75. Perzentil

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco)

plt.show()

Streuung

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco)

plt.show()

Ausreißer

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco,
            sym="")

plt.show()

Screenshot 2019-05-10 11.30.18

sns.boxplot(x = 'Churn',
            y = 'Account_Length',
            data = telco,
            hue = 'Intl_Plan')

plt.show()

Screenshot 2019-05-10 11.41.29

Marketing Analytics: Kundenabwanderung in Python vorhersagen