Eksploracja danych za pomocą wizualizacji

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie

Mark Peterson

Director of Data Science, Infoblox

Wizualizacja danych w Pythonie

• Biblioteka seaborn umożliwia łatwe tworzenie czytelnych wykresów

• Rozszerza możliwości matplotlib

Wizualizacja rozkładu długości konta

• Ważne jest zrozumienie rozkładu zmiennych

 

import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(telco['Account_Length'])

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Różnice w długości konta

• Wykres pudełkowy

 

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

plt.show()

Dodawanie trzeciej zmiennej

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

plt.show()

Czas na wykresy!

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie