用可视化探索数据

营销分析：用 Python 预测客户流失

Mark Peterson

Director of Data Science, Infoblox

在 Python 中可视化数据

• seaborn 库可轻松创建信息丰富且美观的图表

• 构建于 matplotlib 之上

可视化账户时长的分布

• 了解变量分布很重要

 

import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(telco['Account_Length'])

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

账户时长的差异

• 箱线图

 

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

plt.show()

添加第三个变量

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

plt.show()

让我们画些图吧！

营销分析：用 Python 预测客户流失