시각화를 활용한 데이터 탐색

마케팅 애널리틱스: Python으로 고객 이탈 예측하기

Mark Peterson

Director of Data Science, Infoblox

Python으로 데이터 시각화

• seaborn 라이브러리로 유익하고 보기 좋은 플롯을 손쉽게 생성

• matplotlib 기반으로 구축됨

계정 사용 기간의 분포 시각화

• 변수의 분포를 이해하는 것이 중요합니다

 

import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(telco['Account_Length'])

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

계정 사용 기간의 차이

• 박스 플롯

 

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

plt.show()

세 번째 변수 추가

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

plt.show()

직접 플롯을 만들어 봅시다!

마케팅 애널리틱스: Python으로 고객 이탈 예측하기