數(shù)據(jù)可視化 課件 第10章 銀行產(chǎn)品客戶復(fù)購數(shù)據(jù)可視化分析案例

1數(shù)據(jù)可視化第一章Matplotlib的基本使用第二章Matplotlib的進階使用第三章…第四章目錄Contents…第五章數(shù)據(jù)可視化概述2第十章銀行產(chǎn)品客戶復(fù)購數(shù)據(jù)可視化分析案例1234數(shù)據(jù)查看與準備客戶基本特征分析復(fù)購影響因素分析可視化大屏3數(shù)據(jù)查看與準備1.41數(shù)據(jù)查看與準備本章的案例數(shù)據(jù)為阿里云天池大賽關(guān)于金融數(shù)據(jù)分析賽題（銀行客戶認購產(chǎn)品預(yù)測）所用數(shù)據(jù)*，數(shù)據(jù)包括客戶個人基本特征、銀行營銷數(shù)據(jù)以及宏觀經(jīng)濟數(shù)據(jù)。本章選用公開的“train”子數(shù)據(jù)集文件。51數(shù)據(jù)查看與準備字段說明age年齡job工作marital婚姻education受教育程度default是否違約housing是否有房貸loan是否有貸款contact聯(lián)系方式month上一次聯(lián)系的月份day_of_week上一次聯(lián)系是星期幾duration上一次聯(lián)系時長（秒）campaign聯(lián)系次數(shù)pdays上一次聯(lián)系后的間隔天數(shù)previous本次活動前聯(lián)系次數(shù)poutcome之前的營銷結(jié)果emp_var_rate就業(yè)變動率cons_price_index消費者價格指數(shù)cons_conf_index消費者信心指數(shù)lending_rate3m銀行同業(yè)拆借率3個月利率nr_employed雇員人數(shù)subscribe是否復(fù)購*數(shù)據(jù)來源/competition/entrance/531993/information，注冊后即可下載61數(shù)據(jù)查看與準備（1）查看train數(shù)據(jù)集importpandas

aspd#導(dǎo)入模塊pandas，便于處理數(shù)據(jù)file_path=r'D:\數(shù)據(jù)分析教材'

#數(shù)據(jù)文件路徑data=pd.read_csv(file_path+'\\train.csv')#導(dǎo)入數(shù)據(jù)data.head()#查看數(shù)據(jù)前5行運行結(jié)果如圖10.171數(shù)據(jù)查看與準備（2）查看是否存在缺失值運行結(jié)果如圖10.2data.isnull().any()#查看數(shù)據(jù)是否存在缺失值81數(shù)據(jù)查看與準備（3）修改字段名將數(shù)據(jù)集字段名以及“subscribe”字段數(shù)據(jù)轉(zhuǎn)換成為中文。#將數(shù)據(jù)列名更改為中文，方便數(shù)據(jù)處理new_col=['序號','年齡','工作','婚姻','受教育程度',

'是否違約','是否有房貸','是否有貸款','聯(lián)系方式',

'上一次聯(lián)系月份','上一次聯(lián)系星期','上一次聯(lián)系時長(秒)',

'聯(lián)系次數(shù)','上一次聯(lián)系后的間隔天數(shù)','本次活動前聯(lián)系次數(shù)',

'之前營銷結(jié)果','就業(yè)變動率','消費者價格指數(shù)','消費者信心指數(shù)',

'銀行同業(yè)拆借率3個月利率','雇員人數(shù)','是否復(fù)購']data.columns=new_col#將subscribe(是否復(fù)購)的值更改為'復(fù)購'與'未復(fù)購',便于理解data.loc[:,'是否復(fù)購'].replace({'yes':'復(fù)購','no':'未復(fù)購'},inplace=True)9客戶基本特征分析2.102客戶基本特征分析（1）客戶年齡特征分析

數(shù)據(jù)集中關(guān)于客戶基本特征的相關(guān)數(shù)據(jù)包含了客戶的年齡數(shù)據(jù)，若想要直觀地查看客戶群體的年齡分布規(guī)律，可以利用Matplotlib庫繪制客戶年齡直方圖。importmatplotlib.pyplotasplt#導(dǎo)入matplotlib.pyplot模塊繪圖plt.rcParams['font.family']='SimHei'

#將字體設(shè)置為黑體

plt.rcParams['axes.unicode_minus']=False#顯示負號

plt.figure(figsize=(12,8),dpi=72)#設(shè)置圖片大小

plt.title('客戶年齡分布直方圖',fontsize=20)#設(shè)置標題，并將字體大小設(shè)置為20plt.hist(data['年齡'],color='cornflowerblue')#繪制直方圖，并設(shè)置顏色plt.grid(True)#顯示網(wǎng)格plt.xlabel('年齡(歲)',size=25)#設(shè)置x軸

plt.ylabel('人數(shù)(人)',size=25)#設(shè)置y軸plt.xticks(size=20)#設(shè)置x軸刻度，并將字體大小設(shè)置為20plt.yticks(size=20)#將y軸刻度字體設(shè)置為20

plt.show()#顯示圖像

112客戶基本特征分析（2）客戶年齡特征分析數(shù)據(jù)集中銀行與客戶的上一次聯(lián)系時長數(shù)據(jù)為一組連續(xù)型數(shù)據(jù)，為了查看上一次聯(lián)系時長的分布情況，可以利用Matplotlib庫繪制聯(lián)系時長直方圖。plt.figure(figsize=(12,8),dpi=72)#設(shè)置圖片大小

plt.title('上一次聯(lián)系時長分布直方圖',fontsize=20)#設(shè)置標題，并將字體大小設(shè)置為20plt.hist(data['上一次聯(lián)系時長(秒)'],color='mediumslateblue')#繪制直方圖，并設(shè)置顏色plt.grid(True)#顯示網(wǎng)格plt.xlabel('時長(秒)',size=25)#設(shè)置x軸

plt.ylabel('人數(shù)(人)',size=25)#設(shè)置y軸plt.xticks(size=20)#設(shè)置x軸刻度，并將字體大小設(shè)置為20plt.yticks(size=20)#將y軸刻度，并將字體大小設(shè)置為20

plt.show()#顯示圖像

122客戶基本特征分析（3）客戶婚姻狀況分析數(shù)據(jù)集中客戶婚姻字段，有married、single、divorced、unknown四個類別，可以利用Matplotlib庫中的pie()函數(shù)繪制餅圖。plt.figure(figsize=(12,8),dpi=72)#設(shè)置圖片大小

plt.title('婚姻狀況統(tǒng)計餅圖',fontsize=20)#設(shè)置標題，并將字體大小設(shè)置為20y=data['婚姻'].value_counts()#對“婚姻”字段進行分類計數(shù)plt.pie(y,labels=y.index,#設(shè)置標簽為婚姻狀況的4個類別autopct='%3.1f%%',#顯示小數(shù)點后1位colors=['cornflowerblue','mediumslateblue','violet','hotpink'],#設(shè)置餅圖顏色textprops={'fontsize':20,'color':'black'})#設(shè)置標簽字體大小及顏色

plt.legend(loc=[0.8,0.8],fontsize=20)#設(shè)置圖例，指定位置為右上角plt.show()#顯示圖像

132客戶基本特征分析（4）客戶房貸狀況分析數(shù)據(jù)集中客戶是“否有房貸”字段有yes、no、unknown三個類別，想得知客戶群體中承擔房貸人群的分布比例，通過Matploylib庫中的pie()函數(shù)繪制環(huán)形圖。plt.figure(figsize=(12,8),dpi=72)#設(shè)置圖片大小

plt.title('房貸狀況統(tǒng)計餅圖',fontsize=20)#設(shè)置標題，并將字體大小設(shè)置為20y=data['是否有房貸'].value_counts()#對“是否有房貸”字段進行分類計數(shù)plt.pie(y,labels=y.index,#設(shè)置標簽為房貸狀況的3個類別autopct='%3.1f%%',#顯示小數(shù)點后1位colors=['cornflowerblue','mediumslateblue','violet'],#設(shè)置環(huán)形圖顏色textprops={'fontsize':20,'color':'black'},#設(shè)置標簽字體大小及顏色

wedgeprops={'width':0.5})#設(shè)置環(huán)形圖寬度plt.legend(loc=[0.8,0.8],fontsize=20)#設(shè)置圖例，指定位置為右上角plt.show()#顯示圖像

142客戶基本特征分析（5）客戶違約情況分析客戶違約情況字段有yes、no、unknown三個類別，可以利用玫瑰圖進行可視化。玫瑰圖通過每塊扇形代表數(shù)值的大小，面積越大則表示數(shù)值越大，可以有效地凸顯不同類別之間的差異。利用pyecharts.charts模塊中Pie()函數(shù)進行繪制。frompyecharts.chartsimportPie#導(dǎo)入pyecharts.charts模塊用于繪圖frompyechartsimportoptionsasopts#導(dǎo)入options模塊設(shè)置格式

y=data['是否違約'].value_counts()#對違約情況進行計數(shù)

pie1=Pie(init_opts=opts.InitOpts(width='1000px',#設(shè)置圖像大小及背景顏色

height='800px',bg_color='white'))pie1.add(series_name='是否違約',data_pair=[list(i)foriinzip(y.index,y)],#設(shè)置數(shù)據(jù)radius=['20%','80%'],#設(shè)置環(huán)形大小center=['50%','50%'],#設(shè)置玫瑰圖在畫布上的位置rosetype='radius'

#將圖片展示為玫瑰圖).set_series_opts(label_opts=opts.LabelOpts(position='poutside',#將標簽顯示位置設(shè)置于圖外部formatter=':{c}',font_size=25)#設(shè)置標簽文字格式

).set_global_opts(title_opts=opts.TitleOpts(title='違約情況玫瑰圖',#設(shè)置圖像標題pos_left='400',#設(shè)置標題左右位置pos_top='20',#設(shè)置標題上下位置#設(shè)置標題字體顏色及大小title_textstyle_opts=opts.TextStyleOpts(color='black',font_size=25)),legend_opts=opts.LegendOpts(is_show=True,#設(shè)置顯示圖例pos_left='600',#設(shè)置圖例左右位置pos_top='2'，#設(shè)置圖例上下位置textstyle_opts=opts.TextStyleOpts(font_size=25))#設(shè)置圖例大小

).set_colors(['mediumslateblue','violet','hotpink']#設(shè)置圖形顏色).render('違約情況玫瑰圖.html')#設(shè)置文件名稱152客戶基本特征分析（6）客戶復(fù)購率分析①在數(shù)據(jù)集中包含之前的營銷結(jié)果和是否復(fù)購兩個字段，可以通過這兩項數(shù)據(jù)計算客戶復(fù)購率。為了更直觀地查看客戶復(fù)購率，可以借助儀表盤圖或水球圖進行可視化。利用pyecharts.charts模塊中Gauge()函數(shù)繪制儀表盤圖。frompyecharts.chartsimportGauge#導(dǎo)入pyecharts.charts模塊用于繪圖frompyechartsimportoptionsasopts#導(dǎo)入options模塊設(shè)置格式

importmath#導(dǎo)入math模塊便于計算

y=y=data['是否復(fù)購'].value_counts()['復(fù)購']/data['是否復(fù)購'].

count()#計算復(fù)購率#設(shè)置圖像大小及背景顏色gauge=Gauge(init_opts=opts.InitOpts(width='1000px',height='800px',bg_color='white'))gauge.add(series_name='復(fù)購率',#設(shè)置名稱data_pair=[('復(fù)購率',math.floor(y*10000)/100)],#傳入數(shù)據(jù)，顯示小數(shù)點后兩位radius='80%',#設(shè)置半徑detail_label_opts=opts.LabelOpts(formatter="{value}%",font_size=32,color="red",font_family="MicrosoftYaHei"),#數(shù)值標簽的格式設(shè)定axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color=[(0.25,'cornflowerblue'),(0.5,'mediumslateblue'),(0.75,'violet'),(1,'hotpink')],width=40)),#設(shè)置儀表盤寬度pointer=opts.GaugePointerOpts(is_show=True,#顯示指針length='80%',#設(shè)置指針寬度為儀表盤80%

width=10)#設(shè)置指針寬度).set_global_opts(title_opts=opts.TitleOpts(title='復(fù)購率儀表盤圖',#設(shè)置圖像標題pos_left='400',#設(shè)置標題左右位置pos_top='20',#設(shè)置標題上下位置#設(shè)置標題字體顏色及大小title_textstyle_opts=opts.TextStyleOpts(color='black',font_size=20)),legend_opts=opts.LegendOpts(is_show=True,#設(shè)置顯示圖例pos_left='600',#設(shè)置圖例左右位置pos_top='40')#設(shè)置圖例上下位置).render('復(fù)購率儀表盤圖.html')#設(shè)置文件名稱162客戶基本特征分析（6）客戶復(fù)購率分析②利用pyecharts.charts模塊中Liquid()函數(shù)繪制儀表盤圖。frompyecharts.chartsimportLiquid#導(dǎo)入pyecharts.charts模塊用于繪圖frompyechartsimportoptionsasopts#導(dǎo)入options模塊設(shè)置格式

importmath#導(dǎo)入math模塊便于計算

y=data['是否復(fù)購'].value_counts()['復(fù)購']/data['是否復(fù)購'].

count()#計算復(fù)購率#設(shè)置圖像大小及背景顏色liquid=Liquid(init_opts=opts.InitOpts(width='1000px',height='800px',bg_color='white'))liquid.add('復(fù)購率',#設(shè)置指標名稱

[y],#傳入數(shù)據(jù)center=['50%','50%'],#設(shè)置水球在畫布中位置shape='circle',#選擇水球形狀#設(shè)置數(shù)據(jù)標簽顯示樣式，此處保留2位小數(shù)label_opts=opts.LabelOpts(formatter='復(fù)購率:'+str(math.floor(y*10000)/100)+'%',position='inside')#設(shè)置標簽顯示位置為圖中).set_global_opts(title_opts=opts.TitleOpts(title='復(fù)購率水球圖',#設(shè)置標題名稱pos_left='450',#設(shè)置標題左右位置pos_top='150',#設(shè)置標題上下位置

#設(shè)置標題字體顏色及大小title_textstyle_opts=opts.TextStyleOpts(color='black',font_size=20))).render('復(fù)購率水球圖.html')#設(shè)置文件名稱172客戶基本特征分析（7）客戶復(fù)購與未復(fù)購群體了解客戶復(fù)購與未復(fù)購群體有何差異，可用于后續(xù)分析復(fù)購的影響因素?？梢杂美走_圖進行可視化。雷達圖也稱為蜘蛛圖，該圖標由多個從中心向外輻射的坐標軸組成，每個坐標軸代表一個維度，隨后使用線將每個坐標軸上的數(shù)據(jù)點相連。frompyecharts.chartsimportRadar#導(dǎo)入pyecharts.charts模塊用于繪圖frompyechartsimportoptionsasopts#導(dǎo)入options模塊設(shè)置格式

importmath#導(dǎo)入math模塊便于計算

#計算復(fù)購類別下四個指標的平均值并保留兩位小數(shù)y1_data=data.groupby('是否復(fù)購').get_group('復(fù)購')[['上一次聯(lián)系時長(秒)','聯(lián)系次數(shù)','上一次聯(lián)系后的間隔天數(shù)','本次活動前聯(lián)系次數(shù)']].mean().apply(lambdax:round(x,2))#計算未復(fù)購類別下四個指標的平均值并保留兩位小數(shù)y2_data=data.groupby('是否復(fù)購').get_group('未復(fù)購')[['上一次聯(lián)系時長(秒)','聯(lián)系次數(shù)','上一次聯(lián)系后的間隔天數(shù)','本次活動前聯(lián)系次數(shù)']].mean().apply(lambdax:round(x,2))radar.add_schema(schema=[opts.RadarIndicatorItem(name='上一次聯(lián)系時長(秒)',max_=1500),opts.RadarIndicatorItem(name='聯(lián)系次數(shù)',max_=8),opts.RadarIndicatorItem(name='上一次聯(lián)系后的間隔天數(shù)',max_=900),opts.RadarIndicatorItem(name='本次活動前聯(lián)系次數(shù)',max_=2)],).add(series_name='不購買',#繪制購買類別圖像data=[y2_data.values.tolist()],#將數(shù)據(jù)轉(zhuǎn)換為二維列表linestyle_opts=opts.LineStyleOpts(color='blue',width=2),#設(shè)置線條顏色和粗細areastyle_opts=opts.AreaStyleOpts(opacity=0.5)#設(shè)置陰影比例).add(series_name='購買',#繪制不購買類別圖像data=[y1_data.values.tolist()],#將數(shù)據(jù)轉(zhuǎn)換為二維列表linestyle_opts=opts.LineStyleOpts(color='greenyellow',width=2),#設(shè)置顏色以區(qū)別第一條線areastyle_opts=opts.AreaStyleOpts(opacity=0.5)#設(shè)置陰影比例).set_global_opts(title_opts=opts.TitleOpts(title='復(fù)購與未復(fù)購群體特征比較雷達圖’,

pos_left=350,pos_top=0),#設(shè)置標題格式).set_colors(['mediumslateblue','greenyellow']#設(shè)置顏色).render('復(fù)購與未復(fù)購群體特征比較雷達圖.html')#設(shè)置文件名稱18復(fù)購影響因素分析3.193復(fù)購影響因素分析（1）客戶婚姻情況對復(fù)購的影響分析使用多維餅圖呈現(xiàn)復(fù)購與未復(fù)購人群婚姻狀況，可以通過Matplotlib庫實現(xiàn)。labels=['復(fù)購:married','復(fù)購:single','復(fù)購:divorced','復(fù)購:unknown',

'未復(fù)購:married','未復(fù)購:single','未復(fù)購:divorced','未復(fù)購:unknown']

#設(shè)置標簽名稱plt.pie(data.groupby('是否復(fù)購').get_group('復(fù)購')['婚姻'].value_counts(),#設(shè)置數(shù)據(jù)colors=['slateblue','mediumturquoise','lightblue','lightsteelblue'],#設(shè)置顏色pctdistance=0.85,#數(shù)據(jù)顯示位置autopct='%3.1f%%',#數(shù)據(jù)顯示格式radius=4,#環(huán)形寬度textprops={'fontsize':20,'color':'black'})#設(shè)置標簽格式plt.pie(data.groupby('是否復(fù)購').get_group('未復(fù)購')['婚姻'].value_counts(),#設(shè)置數(shù)據(jù)colors=['goldenrod','darkKhaki','gold','lightyellow'],#設(shè)置顏色pctdistance=0.5,#數(shù)據(jù)顯示位置autopct='%3.1f%%',#數(shù)據(jù)顯示格式radius=3,#環(huán)形寬度plt.title('婚姻對復(fù)購影響因素分析餅圖',fontsize=20,x=0.5,y=2.5)#設(shè)置標題大小及位置plt.show()#顯示圖像203復(fù)購影響因素分析（2）客戶房貸狀況對復(fù)購的影響分析為了探究房貸對于復(fù)購率的影響，即計算在不同房貸情況的群體中的復(fù)購情況，可通過Matplotlib庫繪制多維柱形圖進行可視化展示。#計算不同房貸情況下是否復(fù)購行為的占比y1_data=[data.groupby('是否有房貸').get_group('yes')['是否復(fù)購'].value_counts()[0]/data.groupby('是否有房貸').get_group('yes')['是否復(fù)購'].count(),data.groupby('是否有房貸').get_group('no')['是否復(fù)購'].value_counts()[0]/data.groupby('是否有房貸').get_group('no')['是否復(fù)購'].count(),data.groupby('是否有房貸').get_group('unknown')['是否復(fù)購'].value_counts()[0]/data.groupby('是否有房貸').get_group('unknown')['是否復(fù)購'].count()]y2_data=[data.groupby('是否有房貸').get_group('yes')['是否復(fù)購'].value_counts()[1]/data.groupby('是否有房貸').get_group('yes')['是否復(fù)購'].count(),data.groupby('是否有房貸').get_group('no')['是否復(fù)購'].value_counts()[1]/data.groupby('是否有房貸').get_group('no')['是否復(fù)購'].count(),data.groupby('是否有房貸').get_group('unknown')['是否復(fù)購'].value_counts()[1]/data.groupby('是否有房貸').get_group('unknown')['是否復(fù)購'].count()]

x1_width=range(0,3)#設(shè)置第一條柱狀圖位置x2_width=[i+0.3foriinx1_width]#設(shè)置第二條柱形圖位置

plt.bar(x1_width,y1_data,lw=0.5,fc='mediumslateblue',width=0.3)#繪制第一條柱狀圖plt.bar(x2_width,y2_data,lw=0.5,fc='greenyellow',width=0.3)#繪制第二條柱狀圖plt.xticks(range(0,3),data['是否有房貸'].value_counts().index,fontsize=20)#設(shè)置x坐標軸plt.yticks(fontsize=20)#設(shè)置y坐標軸plt.legend(data.groupby('是否有房貸').get_group('yes')['是否復(fù)購'].value_counts().index,fontsize=20)#設(shè)置圖例plt.xlabel('是否有房貸',size=25)#設(shè)置x軸標簽plt.ylabel('復(fù)購率',size=25)#設(shè)置y軸標簽

index=np.arange(len(y1_data))fora,binzip(index,y1_data):#在圖上顯示數(shù)據(jù)plt.text(a*1.03,b*1.03,'%.3f%%'%(b*100),ha='center',va='center',fontsize=20)fora,binzip(index,y2_data):#在圖上顯示數(shù)據(jù)plt.text(a*1.02+0.3,b*1.02+0.3,'%.3f%%'%(b*100),ha='center',va='bottom',fontsize=20)plt.show()#顯示圖像213復(fù)購影響因素分析（3）之前營銷結(jié)果對復(fù)購的影響分析若要直觀呈現(xiàn)在之前營銷成功的群體中復(fù)購的比例，可以通過pyecharts.charts模塊的Pie()函數(shù)繪制玫瑰圖進行可視化展示。frompyecharts.chartsimportPie#導(dǎo)入pyecharts.charts模塊用于繪圖frompyechartsimportoptionsasopts#導(dǎo)入options用于初始化

y=data.groupby('之前營銷結(jié)果').get_group('success')['是否復(fù)購'].value_counts()/data.groupby('之前營銷結(jié)果').get_group('success')['是否復(fù)購'].count()#對之前營銷結(jié)果進行統(tǒng)計y=round(y,3)#保留3位有效數(shù)字#設(shè)置圖像大小及背景顏色pie=Pie(init_opts=opts.InitOpts(width='1000px',height='800px',bg_color='white'))pie.add(series_name='是否復(fù)購',data_pair=[list(i)foriinzip(y.index,y)],#設(shè)置數(shù)據(jù)radius=['20%','80%'],#設(shè)置環(huán)形大小center=['50%','50%'],#設(shè)置環(huán)形在畫布中的位置rosetype='radius'#將圖片展示為玫瑰圖).set_series_opts(label_opts=opts.LabelOpts(position='poutside',#將標簽顯示位置設(shè)置于圖外部formatter=':{c}')#設(shè)置標簽文字格式).set_global_opts(title_opts=opts.TitleOpts(title='復(fù)購比例玫瑰圖',#設(shè)置圖像標題pos_left='400',#設(shè)置標題左右位置pos_top='10',#設(shè)置標題上下位置#設(shè)置標題字體顏色及大小title_textstyle_opts=opts.TextStyleOpts(color='black',font_size=20)),legend_opts=opts.LegendOpts(is_show=True,#設(shè)置顯示圖例pos_left='700',#設(shè)置圖例左右位置pos_top='50',#設(shè)置圖例上下位置,textstyle_opts=opts.TextStyleOpts(font_size=20))#設(shè)置圖例字體大小).set_colors(['mediumslateblue','greenyellow']#設(shè)置圖形顏色).render('復(fù)購比例玫瑰圖.html')#設(shè)置文件名稱223復(fù)購影響因素分析（4）前期聯(lián)系情況及年齡與復(fù)購相關(guān)性分析①數(shù)據(jù)集中上一次聯(lián)系時長、年齡、上一次聯(lián)系后的間隔天數(shù)、聯(lián)系次數(shù)四個字段為連續(xù)性數(shù)據(jù)，可以借助小提琴圖或箱圖進行可視化展示。#數(shù)據(jù)準備y1_data=[data.groupby('是否復(fù)購').get_group('復(fù)購')[['上一次聯(lián)系時長(秒)']],data.groupby('是否復(fù)購').get_group('未復(fù)購')[['上一次聯(lián)系時長(秒)']]]y2_data=[data.groupby('是否復(fù)購').get_group('復(fù)購')[['年齡']],data.groupby('是否復(fù)購').get_group('未復(fù)購')[['年齡']]]

foriinrange(1,3):plt.subplot(1,4,i)d=[y1_data,y2_data][i-1]sns.violinplot(data=d,palette='Set2_r',scale='width')#繪制小提琴圖plt.title('{}'.format(d[0].columns[0]+'小提琴圖'),fontsize=20)#設(shè)置標題plt.xticks(range(0,2),['復(fù)購','未復(fù)購'],fontsize=20)#設(shè)置x軸plt.yticks(fontsize=20)#設(shè)置y軸plt.xlabel('是否復(fù)購',fontsize=20)plt.show()233復(fù)購影響因素分析（4）前期聯(lián)系情況及年齡與復(fù)購相關(guān)性分析②數(shù)據(jù)集中上一次聯(lián)系時長、年齡、上一次聯(lián)系后的間隔天數(shù)、聯(lián)系次數(shù)四個字段為連續(xù)性數(shù)據(jù)，可以借助小提琴圖或箱圖進行可視化展示。#數(shù)據(jù)準備col=['是否復(fù)購','上一次聯(lián)系后的間隔天數(shù)','聯(lián)系次數(shù)']y1_data=data[col]

plt.figure(figsize=(24,6),dpi=72)#設(shè)置圖像大小order=['復(fù)購','未復(fù)購']foriinrange(1,3):plt.subplot(1,4,i)sns.boxplot(x='是否復(fù)購',y=col[i],data=y1_data,linewidth=3,order=order,palette='Set2_r',notch=True)#繪制箱線圖plt.title('{}'.format(col[i]+'箱線圖'),fontsize=20)#設(shè)置標題plt.xticks(range(0,2),data['是否復(fù)購'].value_counts().index,fontsize=20)#設(shè)置x軸坐標plt.yticks(fontsize=20)#設(shè)置y軸坐標plt.xlabel('是否復(fù)購',fontsize=20)#設(shè)置x軸標簽plt.ylabel(col[i],fontsize=20)#設(shè)置y軸標簽plt.show()243復(fù)購影響因素分析（5）本次活動前聯(lián)系次數(shù)與復(fù)購相關(guān)性分析想要了解復(fù)購與未復(fù)購群體中本次活動前聯(lián)系次數(shù)的分布差異，可以利用Matplotlib庫繪制多維條形圖進行可視化展示。#計算不同房貸情況下是否復(fù)購行為的占比y1_data=data.groupby('是否復(fù)購').get_group('復(fù)購')['本次活動前聯(lián)系次數(shù)']y2_data=data.groupby('是否復(fù)購').get_group('未復(fù)購')['本次活動前聯(lián)系次數(shù)']

plt.hist([y1_data,y2_data],color=['greenyellow','mediumslateblue'])#繪制條形圖plt.xticks(fontsize=20)#設(shè)置x坐標軸plt.yticks(fontsize=20)#設(shè)置y坐標軸plt.legend(['復(fù)購','未復(fù)購'],fontsize=20)#設(shè)置圖例plt.xlabel('是否復(fù)購',size=25)#設(shè)置x軸標簽plt.ylabel('本次活動前聯(lián)系次數(shù)',size=25)#設(shè)置y軸標簽plt.show()253復(fù)購影響因素分析（6）不同聯(lián)系次數(shù)與上一次聯(lián)系時長相關(guān)性分析想了解不同的本次活動前聯(lián)系次數(shù)與上一次的聯(lián)系時長是否存在相關(guān)性，可以借助Matplotlib庫繪制折線圖進行可視化展示。

#數(shù)據(jù)準備y1_data=data.groupby('本次活動前聯(lián)系次數(shù)')[['上一次聯(lián)系時長(秒)']].mean()

plt.figure(figsize=(12,8),dpi=72)#設(shè)置圖像大小plt.grid(True)#顯示網(wǎng)格sns.lineplot(x='本次活動前聯(lián)系次數(shù)',y='上一次聯(lián)系時長(秒)',data=y1_data,markers=True)plt.title('不同聯(lián)系次數(shù)