数据清洗与分群分析：Airbnb用户特征洞察
该博客介绍了对Airbnb用户数据的预处理和分群分析。首先进行了数据清洗，如年龄异常值处理，将日期转换为时间间隔，将性别变量转化为哑变量，并删除日期列。接着，利用KMeans进行用户分群，通过散点图展示分群结果，并对模型效果进行评估。最后，分析了不同群体在年龄、使用设备上的特征差异。
目录
本例中将使用Airbnb的数据。Airbnb是一个旅行服务短期租赁的社区，它拥有广泛的用户出行场景数据，通过这些数据，锁定潜在的目标客群并制定相应的营销策略是Airbnb业务发展的基石。
第一部：导包和数据导入
#调包
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline#数据导入
airbnb=pd.read_csv('w3_airbnb.csv')
airbnb.head()字典数据及解释：
- id：唯一的用户id
- date_account_created：用户创建时间
- date_first_booking：第一次订房日期
- gender：性别
- Age：年龄
- Married：已婚
- Children：小孩数量
- Android：曾在安卓App中预定
- Moweb：曾在手机移动网页中预定
- web：曾在电脑网页版预定
- ios：曾在iso app预定
- Language_EN：使用英文语言
- Language_ZH：使用中文语言
- Country_US：目的地是美国
- Country_EUR：目的地是欧洲国家
导入数据后，我们可以看到，数据中有两个日期，一个是用户注册日期，一个是订房日期，然后还有用户个人信息，渠道信息和基本的网页使用信息。这三类基本信息的分析即可以帮助我们分析人群的基本特征。
本案例中，我们依然遵循数据分析的基本流程，如下所示：
在使用info()和describe()函数查看数据之后，我们发现值得注意的点：
- date_account_created和date_first_booking是时间变量，需要做调整
- gender是字符型变量，同样需要调整
- 我们数据中的gender包括F(Female)和M(Male),在很多时候，网站为了尊重客户隐私，还会出现U，就是unknown
1.数据清洗：
1.1年龄清洗
发现年龄最小为2，最大为2014，属于异常数据，进行数据清洗，这里保留用户年龄在18-80岁之间的群体。
airbnb=airbnb[airbnb['age']>=18]
airbnb=airbnb[airbnb['age']<=80] 
最低0.47元/天 解锁文章
扫一扫
3486
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
